(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf_第1页
(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf_第2页
(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf_第3页
(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf_第4页
(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf_第5页
已阅读5页,还剩52页未读, 继续免费阅读

(控制理论与控制工程专业论文)小波分析在旋转机械故障诊断中的应用研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

武汉科技大学 燃幽 研究生学位论文创新性声明 本人郑重声明:所呈交的学位论文是本人在导师指导下,独立进行研 究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的 工作外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。 申请学位论文与资料若有不实之处,本人承担一切相关责任。 论文作者签名:日期:塑丝! 生:! 兰 研究生学位论文版权使用授权声明 本论文的研究成果归武汉科技大学所有,其研究内容不得以其它单位 的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定, 同意学校保留并向有关部门( 按照武汉科技大学关于研究生学位论文收录 工作的规定执行) 送交论文的复印件和电子版本,允许论文被查阅和借阅, 同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行 检索和对外服务。 论文作者签名: 指导教师签名: 日期: 私1 ,2 矿 书l 确f刀 o 沁心1 武汉科技大学硕士学位论文第1 页 摘要 小波分析是近年来发展很快的- f 3 理论,已经越来越多地应用于图像处理、数据压缩、 语音识别、信噪分离、分形等领域。本论文利用小波分析理论,把这种理论应用到机械故 障诊断中,通过对小波分析的理论研究和实例分析说明小波分析在故障诊断领域中的应用 前景是非常广阔的。 本文研究了设备故障诊断技术的发展现状及发展趋势,介绍了传统的故障诊断方法及 旋转机械几种常见故障,说明了小波分析在故障诊断中的意义。重点研究了小波分析理论 以及应用,介绍了小波在消噪、滤波及检测突变信号方面的应用,说明了在机械设备故障 诊断中利用小波分析具有明显的优越性和必要性。本文通过采集某厂透平压缩机组轴承振 动信号,对采集的振动信号进行小波分析。通过利用小波的多分辨分析以及m f l l a t 算法性 质,利用m a t l a b 软件,进行单一频率的提取,来确定原信号是不是故障信号,提出了一种 判断故障信号的方法。同时根据小波分析的思想,设计构造了一种新型旋转机械故障诊断 装置,这是一种基于小波理论的故障诊断系统,利用这个系统提取的故障信号十分清晰, 使得机械故障的诊断结果更加准确。 小波分析在时频局部化方面具有良好的特性,对处理非稳定信号具有非常突出的优越 性。将小波分析理论应用到旋转机械的故障诊断中是一项值得推广应用的新技术,应用前 景十分广阔。 关键词:旋转机械;故障诊断;小波分析; 第1 i 页 武汉科技大学硕士学位论文 a b s t r a c t w a v e l e ta n a l y s i si sat h e o r yd e v e l o p i n gr a p i d l yi nr e c e n ty e a r s i th a sb e e ni n c r e a s i n g l y u s e di ni m a g ep r o c e s s i n g ,d a t ac o m p r e s s i o n ,s p e e c hr e c o g n i t i o n , s i g n a lt on o i s es e p a r a t i o n , f r a c t a la n do t h e rf i e l d s i nt h i st h e s i s ,w a v e l e ta n a l y s i st h e o r yt ot h et h e o r ya p p l i e dt om a c h i n e r y f a u l td i a g n o s i s ,w a v e l e ta n a l y s i st h r o u g ht h e o r e t i c a ls t u d ya n dr e a ld a t aa n a l y s i so fw a v e l e t a n a l y s i si nf a u l td i a g n o s i si nt h ef i e l do fa p p l i c a t i o np r o s p e c ti sv e r yb r o a d t h i sp a p e rs t u d i e st h ef a u l td i a g n o s i st e c h n o l o g ys t a t u sa n dd e v e l o p m e n tt r e n d ,i n t r o d u c e s t h et r a d i t i o n a lm e t h o da n dt h er o t a t i n gm a c h i n e r yf a u l td i a g n o s i so fs e v e r a lc o m m o nf a u l t s , i n d i c a t i n gt h ew a v e l e ta n a l y s i si nf a u l td i a g n o s i so f f o c u s e so nt h ew a v e l e ta n a l y s i st h e o r ya n d a p p l i c a t i o n ,i n t r o d u c e di nt h ew a v e l e td e n o i s i n g ,s i g n a lf i l t e r i n ga n dd e t e c t i o no fm u t a t i o n si nt h e a p p l i c a t i o n ,i l l u s t r a t e st h ef a u l td i a g n o s i so fm a c h i n e r yu s i n gw a v e l e ta n a l y s i sh a so b v i o u s a d v a n t a g e sa n dn e c e s s i t y i nt h i sp a p e r , c o l l e c t i n gaf a c t o r yt u r b i n ec o m p r e s s o ro fb e a r i n g v i b r a t i o ns i g n a l ,t h ec o l l e c t e dv i b r a t i o ns i g n a l su s i n gw a v e l e ta n a l y s i s t h r o u g ht h eu s eo f w a v e l e tm u l t i r e s o l u t i o na n a l y s i sa n dt h en a t u r eo fm a l l a ta l g o r i t h m ,u s i n gm a t l a bs o f t w a r e ,t o e x t r a c tas i n g l ef r e q u e n c yt od e t e r m i n et h eo r i g i n a ls i g n a li sn o tf a u l ts i g n a l ,am e t h o do f j u d g i n g f a u l ts i g n a l a tt h es a m et i m et h ei d e ao ft h ew a v e l e ta n a l y s i s ,d e s i g nc o n s t r u c t e dan e w r o t a t i n g m a c h i n e r yf a u l td i a g n o s i sd e v i c e ,w h i c hi saw a v e l e tt h e o r yb a s e df a u l td i a g n o s i ss y s t e mu s i n g t h es y s t e me x t r a c t st h ef a u l ts i g n a li sv e r yc l e a r , m a k e st h em e c h a n i c a lf a u l td i a g n o s i sm o r e a c c u r a t e w a v e l e ta n a l y s i si n t i m e - f r e q u e n c yl o c a l i z a t i o n h a s g o o dp r o p e r t i e s ,d e a l i n g w i t h n o n - s t a b l es i g n a l sw i t hv e r yp r o m i n e n ta d v a n t a g e s t h ew a v e l e ta n a l y s i st h e o r yi sa p p l i e dt ot h e r o t a t i n gm a c h i n e r yf a u l td i a g n o s i si saw o r t h ya p p l i c a t i o no fn e wt e c h n o l o g y , a p p l i c a t i o ni sv e r y w i d e k e y w o r d s :r o t a t i n gm a c h i n e r y ;f a u l td i a g n o s i s ;w a v e l e ta n a l y s i s ; 武汉科技大学硕士学位论文第1 i i 页 目录 第一章绪论1 1 1 机械设备故障诊断技术的发展现状及发展趋势1 1 2 常用的机械设备故障诊断技术2 1 3 旋转机械几种常见故障4 1 4 利用小波分析进行旋转机械故障诊断的意义5 1 5 主要研究内容5 第二章建立在傅立叶变换基础上的传统故障诊断方法7 2 1 离散傅立叶变换7 2 2 功率谱l o 2 3 实倒频谱lo 2 4 傅立叶变换在时频方面的特点1 1 2 5 傅立叶变换无法进行时频局部化的原因一l l 2 5 本章小结1 2 第三章小波分析理论及其应用1 3 3 1 小波变换1 3 3 1 1 小波函数1 3 3 1 2 小波序列一1 4 3 1 3 连续小波变换1 4 3 1 4 离散小波变换1 4 3 1 5 小波反变换1 6 3 2 小波的时频窗分析1 8 3 2 1 小波的时窗分析l8 3 2 2 小波的频窗分析1 9 3 3 小波变换时频局部化的原因2 0 3 4 多分辨分析2 1 3 5 正交小波的快速算法2 3 3 6m a l l a t 算法2 5 3 7 小波分析在消噪方面的应用2 5 3 8 小波分析在滤波方面的应用。2 6 3 9 小波分析在突变信号检测方面的应用2 6 。3 1 0 本章小结2 9 第四章小波分析在旋转机械故障诊断中的应用实例分析3 0 4 1 基于m a t l a b 的小波分析在故障诊断中的应用实例3 0 4 2 基于小波理论的故障诊断系统4 0 第页武汉科技大学硕士学位论文 4 3 本章小结4 4 第五章结束语4 5 参考文献4 6 攻读硕士期间发表的论文4 9 致谢。5 0 武汉科技大学硕士学位论文第1 页 第一章绪论 随着现代冶金工业以及设备现代化水平的不断发展进步,生产设备越来越大型化、集 成化、自动化和智能化 1 - 幻。这些大型设备一旦发生故障所造成的损失将十分巨大,因此, 设备诊断这一技术,日益引起人们的重视,并在理论和实践应用方面得到了快速发展。 1 1 机械设备故障诊断技术的发展现状及发展趋势 机械设备故障诊断是指在一定的工作环境下,根据机械设备运行过程中产生的各种信 息判别机械设备是正常运行还是发生了异常现象,并判定产生故障的原因和部位,以及预 测、预报设备状态的技术乜吲。主要有三个过程:首先是检测设备状态的特征信号,比如振 动、噪声、温度等;其次就是从所检测到的特征信号中提取征兆;最后是故障的模式识别。 设备诊断技术在美国的研究和利用一直走在世界的前列。欧洲一些国家对设备诊断技术也 很有研究,虽然说在广度上不大,但在有些方面很有特色,具有世界领先地位,例如瑞典 的轴承监测技术、丹麦的振动和声发射技术和挪威的船舶诊断技术等,日本的设备诊断技 术在民用工业方面也占有某种优势。当前,我国的工业生产大型设备越来越多,对故障诊 断技术进行研究,意义非常重大。采用故障诊断技术,可以大大降低事故的发生率和维修 设备的费用,同时还可以减少维修时间,增加设备的可靠性。因此,无论从工业生产的安 全性上,还是从经济效益上,设备故障诊断技术都具有极其重要的意义。设备诊断技术在 我国开始于上世纪8 0 年代,并广泛应用于化工、冶金、电力等行业,取得了良好效果。 近年来,随着计算机技术的广泛应用,设备故障诊断技术也越来越丰富,越来越成熟, 基本上已经形成了一门比较完整的学科。这门新兴学科主要研究设备的管理、状态监测和 故障诊断,学科的目的是建立新的维修体制,利用控制论、信息论、系统论和可靠性理论 等理论,通过计算机和现代的各种测试仪器进行测量和检测,结合设备的各种诊断对象的 特殊规律来进行故障诊断。 故障诊断技术本身就是一个多学科交叉的领域,其研究的一个鲜明的特点就是将信号 分析、工程控制、智能算法、机器学习、信息技术等领域中新产生的方法运用到特定对象 的故障检测与诊断上【3 。1 2 1 。目前,设备故障诊断技术的发展方向是:传感器越来越精密化 和多维化,诊断理论和诊断模型越来越多元化,诊断技术越来越智能化【4 捌】。主要体现在 以下几个方面: ( i ) 与最新的传感器技术相融合,特别是激光测试技术。近年来,微波通讯和激光技术 已经广泛地应用到振动测量和设备故障诊断中。激光测振技术的进一步完善将会给振动测 试方法带来一场新的革命。目前关于激光测试技术在诊断领域中的应用研究,还处在起步 阶段。 ( 2 ) 与最新的信号处理方法相融合。新的信号处理方法会越来越多地应用于设备故障诊 断领域中,传统的信号分析技术也必然会得到突破性的进展。f f t 、时序分析和数字滤波 是工程信号处理中的三大基本工具。在实际的工程应用中,人们常常将这几种基本技术进 行不同的组合,针对不同的信号特点,形成了一些不同的信号分析方法。在工程上应用比 第2 页武汉科技大学硕士学位论文 较广泛的方法,像基于f f t 的频谱分析的方法、经验模态分解( e m d ) 的方法和小波分析法 等就是与最新的信号处理方法相融合的结果。 ( 3 ) 与非线性方法和原理相融合。由于机械设备在发生故障时常常表现为非线性。未来, 随着技术的发展,混沌与分形几何方法会越来越完善,像旋转机械设备的转子在受到不平 衡外力的作用下就会表现出非线性特征,通过与非线性方法相融合,将可以解决这类诊断 问题。 ( 4 ) 与神经网络相融合。现代工业的大型生产设备要求必须对其进行多角度、全方位的 监测与维护,才能全面地了解设备的运行状态。因此在对生产设备进行故障诊断时,通常 利用多个传感器在各个位置同时对设备进行监测,然后结合这些信息,按照一定的方法进 行融合,例如人工神经网络方法等。 ( 5 ) 与智能方法相融合。伴随着智能方法的不断发展与进步,对设备运行状态进行的监 测和对设备故障进行的诊断将越来越智能化。如专家系统、神经网络、进化计算和模糊逻 辑等现代智能方法将会广泛地在设备故障诊断中得到应用。 ( 6 ) 与远程诊断相融合。随着互连网的发展,设备故障诊断必将朝着远程诊断的方向发 展。 ( 7 ) 与多种诊断方法相融合。未来故障诊断技术将融合多种诊断方法,比如将小波变换、 模糊数学和神经网络综合到一起的故障诊断方法。由于每种诊断方法都不是完美的,都有 一些优点和一些缺点,而将多种诊断方法进行融合,可以具有其独特的优越性,这也是有 待进一步进行深入研究的内容。 1 2 常用的机械设备故障诊断技术 虽然说机械设备故障诊断技术发展到今天,已经形成了一门多学科交叉的综合性学 科。但传统的机械设备诊断技术经常还在大量地使用,下面简要介绍几种常用的设备故障 诊断方法: ( 1 ) 振动监测诊断技术。振动监测诊断技术是人们作为机械设备故障诊断的首选方法, 我们知道,机械设备在工作过程中必定会产生振动,那么振动信息中就会蕴涵着机械的状 态特征。振动监测诊断技术就是通过检测机械设备的振动的各种参数及其特征,通过这些 检测到的振动信息对设备的状态和故障进行分析。速度、加速度和位移通常作为描绘机械 振动的测量参数,选择测量的参数和传感器可以根据机械设备的运作频率来决定。实践中, 要选择适合的位置作为振动测量点,还要有足够多的有效测量点以保证检测到的信息能真 实地反映出机械的状态。振动测量点通常选择离机械诊断核心部位最近的关键点、机械振 动的敏感点和容易发生劣化现象的易损点,这些测量点能够对机械振动状念作出全面反 映,来保证测量机械振动信号的准确性和有效性。振动监测诊断技术的工作流程大致为; 利用各种振动传感器对机械振动信号进行有效地测量,测量到的振动信号输入放大器进行 放大,输入滤波器进行滤波,然后通过模电转换器,使原模拟信号转换为数字信号,再通 过数据处理分析对信号进行时频域分析等处理,得到以振动参数表示的系列曲线图和频谱 图,最后利用这些信息来判定设备运行的状态,从而采取相应的应对措施。由于振动具有 武汉科技大学硕士学位论文第3 页 的参数多维性和广泛性,测振方法的无损性和在线性,振动监测诊断技术是人们对机械设 备故障诊断最常用的一种方法,它能直观地、实时地、精确地表现机械动态特征及其变化 过程,因而被广泛地应用。 ( 2 ) 油液磨屑分析检测诊断技术。这种方法主要是通过观察油液介质的物理、化学成 分的变化和油液磨屑粒形状态的识别来判断机械运行的状况。由于机械的磨损和污染,油 液中会产生磨屑微粒,油液磨屑分析检测诊断技术就是根据油液中的微粒总量、尺寸分布 和形态的差异来判断设备的磨损部位和磨损程度,其主要适用于机械设备润滑系统和液压 系统。比如当各种元素在受到一定能量激发的时候会发射或者吸收特定波长的光。利用这 个特性,选择合适的光谱仪根据油液中各种物质在特定条件下发出具有特定波长的光来对 油液发射光谱进行分析,就能够判断设备的磨损部位和磨损程度。油液磨屑分析检测诊断 技术 ( 3 ) 噪声检测诊断技术。设备的不规则的机械振动在空气中会引起的振动波叫做噪声。 表示噪声的强弱通常用声压级、声强级和声功率级来表征,噪声的成分用频率或频谱来表 示。噪声测量检测技术主要是根据噪声信号的特征量制定一个限值来判断设备有无故障, 通过提取噪声信号进行频谱分析,来对故障的性质、发生的部位以及严重程度进行识别。 噪声测量仪器主要有传声器和声级计。传声器的工作原理是将声能转换成电能,通常用膜 片感受声压,把声压变化成膜片的振动,传声器主要有三类:压强式,膜片感受的是声压; 压差式,膜片振动取决于膜片两侧的压差;压强和压差组合式。声级计可以用来测量声级, 进行频谱分析,记录噪声的时间特性和测量振动。声级计由传声器、衰减( 放大) 器、计 权网络、均方根值检波器、指示表头等组成。它的工作原理是将被测量的声压信号通过传 声器转换成电压信号,再经过衰减器和放大器以及计权网络进行处理等,最后由分贝表来 显示。对噪声的判断标准有绝对标准、相对标准和类比标准,分别对应于将测量所得到的 噪声信号的特征量值和标准特征量值、正常运行的特征量值或同类设备相同工况时的特征 量值进行比较,来判断机械设备有无故障,再对测得的噪声信号进行频谱分析,来有效识 别故障的性质、发生的部位以及严重程度。 ( 4 ) 红外测温诊断技术。当机械设备发生故障( 例如排烟管堵塞、机械磨损、电器接 点烧坏等) 时,设备相应部位的温度会升高。红外测温诊断技术就是通过测量机械设备各 部位的温度变化来分析判断机械设备的运行状态。这种技术对温度变化的测量很关键,如 果采用一般的传感器往往不能获得准确的测量值,特别对高速旋转机件进行测温,而用红 外测温则有明显的优越性。红外测温珍断技术可以对设备各部件的温度状态与变化情况进 行远距离、非接触式测量,并具有信息处理、运算和判断的功能。由于设备周围的环境温 度会影响到监测系统温度,为了减少误差,可对测量数据进行修正与补偿,来提高测量的 准确度。通过这种方法可以判断机械的故障状态如磨损加剧、油液劣化及材料缺陷,以便 采取相应措施来保证机械的正常运转。 ( 5 ) y 射线扫描技术。y 射线扫描技术是利用y 射线的衰减规律来对设备进行扫 描,我们知道y 射线具有衰减特性,其在物质中的衰减服从l a m b e r b e e r 指数规律, 第4 页武汉科技大学硕士学位论文 通过利用y 射线对设备进行扫描可以得到能反映设备内介质密度变化关系的图谱,通过 对这些图谱进行分析处理来判定设备的故障,为设备维修提供依据。y 射线扫描技术在工 艺设备过程故障检测诊断中具有明显的优点,是一项新技术。 1 3 旋转机械几种常见故障 旋转机械设备在现代工业生产设备中占有重要地位,在运行过程中,旋转机械常常是 高速旋转,易发生旋转失速、转子不平衡、转子不对中、转子摩擦等故障。下面介绍几种 常见的故障现象: ( 1 ) 转子与静止件摩擦。转子与静止件发生摩擦主要有径向摩擦和轴向摩擦。在旋转机 械中,密封间隙和轴承间隙往往会做得较小,主要是为了减少气体和润滑油的泄露,提高 机器的运转效率。但是,密封间隙和轴承间隙过小容易使转子与静止部件产生摩擦,这种 摩擦就容易引起密封件摩擦损伤,严重的还会发生转子与静止件的摩擦碰撞,造成重大的 机器损伤事故。此外,机械中有一些轴承也容易发生摩擦,这种摩擦有时候不够明显,常 常是干摩擦或半干摩擦,所产生的故障现象不容易被发觉。因此,为了在机器未停机拆检 之前尽快找出异常振动的原因,预防重大事故的发生,要求我们必须了解转子与静止件摩 擦激振的故障特征。 ( 2 ) 旋转失速。在流体机械中旋转失速是比较常见的故障,这种故障通常是由于流体机 械中产生的气流脱离团使流体动力特性发生变化,进而产生自激振动而引起的。像离心式 压缩机等高速旋转的流体机械,在j 下常情况下,机器各级之间的气体流量是匹配的,稳定 的,合理的,它的流道内的气体流量也是根据额定条件下的实际情况来设计的。而一旦由 于某些方面的原因,这些原因可能是由于设计、制造、安装、维修等造成的,使得机器实 际运行中某一级的实际流量达不到设计流量,气体脱离团就会在叶轮的某一流道内产生, 多余的气体就会挤向相邻的流道,使得某一流道的流通截面变小,这就使得相邻流道气流 发生失速。所产生的气体脱离团以此循环发生,就在叶轮内形成旋转失速,叶轮的转动方 向与旋转失速的运动方向刚好相反。 ( 3 ) 转子不平衡。旋转机械的转子不平衡分为初始不平衡和新的不平衡,主要包括转 子质量偏心和转子部件出现缺损。在实际的生产和装配过程中,由于转子的材质不均匀、 制造和装配误差等容易造成转子质量偏心,通常称其为初始不平衡;转子部件缺损是指转 子的零部件( 如叶轮,叶片等) 发生缺失或损坏造成新的不平衡。转子在运行过程中常常 由于磨损、腐蚀等原因,使转子的局部部件发生脱落、碎块飞出、损坏等情况。 ( 4 ) 转子不对中。转子不对中在转子系统机械故障中占有很高比例,有统计数据显示, 6 0 的转子机械故障是由不对中引起的。由于机器在使用过程中存在着安装误差,承载后 武汉科技大学硕士学位论文第5 页 引起的变形等,会使转子系统机械故障中的机组各转子间由联轴器联接构成的轴系在工作 状态时各转子轴线之间产生轴线平行位移、角度位移或综合位移等对中变化误差,此类对 中变化误差称为转子不对中。转子系统在其工作过程中会因不对中故障而产生一系列动态 反应,如因转子不对中引起的轴承早期损坏、机器联轴器偏转等,造成机器振动异常,对 设备产生很大的危害。 1 4 利用小波分析进行旋转机械故障诊断的意义 现代的工业设备在不断的发展和进步,机械设备也越来越先进,越来越复杂。对这些 设备进行监测与诊断是非常重要的,一是可以缩短维修时间,二是可以提高诊断的准确性 和维修的有效性,大大提高经济效益6 1 。旋转机械设备在现代工业生产设备中非常重要。 一旦发生故障,没有及时发现和处理,将会造成巨大的损失。为了保证设备的安全运行, 对其进行状态监测和故障诊断显得十分重要。在设备故障特征信号中,振动信号在绝大部 分旋转机械系统的故障中都有所反映。对机械故障的诊断的一种很有效的方法就是监测旋 转机械的振动信号。在旋转机械故障诊断中,对旋转机械的时域振动信号进行频域分析是 我们比较常见的故障诊断方法,对不同的故障,通过提取振动信号的频域特征来进行有效 的识别,并做相应的处理,这种方法基本上都是建立在离散傅立叶变换的基础上的。针对 不同的故障类型选择不同的分析方法来进行有效的鉴别。连续傅立叶变换是离散傅立叶变 换的基础,由于傅立叶变换本身不具有时频局部化的特性,由此可见离散傅立叶变换作为 一种计算方法也不具有时频局部化的能力,它不能克服时频局部化方面的弱点,而且还容 易产生频谱泄露和频域混淆等问题。而故障机械的振动信号往往是具有奇异性的非平稳信 号,而小波分析在时频局部化方面具有良好的特性,对处理瞬变信号具有非常突出的优越 性,可以有效的分析和提取旋转机械故障信号的特征。将小波分析理论应用到旋转机械设 备的故障诊断中具有重大意义,是一项值得推广应用的新技术,应用前景十分广阔。 1 5 主要研究内容 小波分析是一种信号处理方法,由于具有良好的时频局部化特性而越来越广泛的应用 在不同领域。对振动信号中的突变信号通过小波分析能较好地进行识别。它具有的“数学 显微”特性得以使其应用在机械故障诊断方面,目前,关于小波分析在各个方面的应用, 人们正在进行积极探索。本文对小波分析在旋转机械设备故障诊断应用中的理论基础和实 践过程进行了比较系统地研究,主要的内容如下: ( 1 ) 第一章介绍了设备故障诊断技术的发展现状及发展趋势,介绍了常用的设备故障诊 断方法及旋转机械的几种常见故障,阐述了利用小波分析进行旋转机械故障诊断的意义, 最后给出了本论文的研究内容。 ( 2 ) 第二章重点介绍了基于建立在傅立叶变换基础上的传统故障诊断方法,并分析了 傅立叶变换不能进行时频局部化的原因,指出了其在旋转机械故障诊断中对故障信号处理 的缺点。 ( 3 ) 第三章重点介绍了小波分析理论及其应用。内容包括小波变换的定义、小波序列、 第6 页武汉科技大学硕士学位论文 连续小波变换、离散小波变换、小波反变换、小波的时频窗分析、小波时频局部化的原因、 多分辨分析以及m a l l a t 算法等等。同时介绍了小波变换在消噪、滤波和突变信号检测方面 的不同应用,说明了小波分析应用在旋转机械故障诊断中的具有明显的优越性和必要性。 ( 4 ) 第四章着重分析了故障诊断的应用实例。针对某厂透平压缩机组轴承振动信号, 利用m a t l a b 软件进行仿真,根据m a l l a t 算法对信号进行小波分解,利用阈值进行消噪,从而 提取出单一频率,从而说明振动信号是不是为故障信号,提出了一种判断故障信号的方法, 然后再结合别的故障诊断方法对故障类型进行明确的判断。同时根据小波分析的思想,设 计构造了一种新型机械设备故障诊断装置,这是一种基于小波理论的故障诊断系统,利用 这个系统提取的故障信号十分清晰,使得机械故障的诊断结果更加准确,本文通过两个基 于小波分析理论的应用实例,迸一步说明了小波分析在设备故障诊断中的重要性和必要 性。 ( 5 ) 第五章是结尾部分,对本文利用小波分析在旋转机械故障诊断中的研究进行了总 结,对小波分析技术的未来应用进行了展望。 武汉科技大学硕士学位论文第7 页 第二章建立在傅立叶变换基础上的传统故障诊断方法 传统故障诊断方法大部分是建立在傅立叶变换基础上的,傅罩叶变换对周期信号的分 析比起其它方法具有绝对的优势,在实际工程中的动态信号多为平稳性周期信号,傅里叶 变换可以直接将信号从时域转化到频域,物理意义非常明显,有很重大的实用价值。因此 傅立叶变换在频谱分析中的地位仍然会处于主导地位。 2 1 离散傅立叶变换 离散傅立叶变换是专用术语,在对信号进行傅立叶变换时,为了适应计算机进行运算 的要求,就必须将模拟信号转变为离散数据,并且要把计算范围给限定在一个有限的区间, 来实现正逆傅立叶变换运算和逆傅立叶变换运算。对模拟信号进行离散傅立叶变换,主要 分三个步骤:第一步是对信号进行时域的采样,第二步是对采样信号进行截断,第三步是 对信号进行频域的采样。如下面的组图: 础) ,、,- _ , 睇o ) ji ff 。 ff- l o ) 卅 卜一 比) jl jl jv ,6w v , 膨| | ( 2 ) ( 3 ) ( 4 ) ( 5 ) j工忉) j 砖扣) f 。 f i- l 、弋炒 j巾) 、l | 厂一 t ( c o ) 木1 4 、:厂 第8 页武汉科技大学硕士学位论文 to ) l f卜 m ) 滁一。 ( 6 ) 万,0 ) j ff ffl l 如】 m介矿 图2 1 对模拟信号进行离散傅立叶变换过程图 如图2 1 ( 1 ) 所示,其中七) 为时域模拟信号,对m ) 波形进行离散采样,得到的采样函 数如图2 1 ( 2 ) 所示,t 为采样间隔,采样后的函数表达式为 ( f ) = x ( t ) 6 r ( f ) = x ( f ) 8 ( t - n r ) = x ( n t ) j ( t - n t ) ( 2 1 ) 对采样后的函数进行傅立叶变换为: ( 缈) = 瓦1z ( 缈) 木西( 缈) = 去如) 木等奎( 0 ) - - n o ) s ) ( 2 2 ) 由此可见,采样后信号的频谱0 ) 是一个连续函数,具有周期性,其幅值是如) 谱的i 1 倍, 缈,= 等,如图2 1 ( 3 ) 所示。混淆现象在谱图中有明显反映,如果t 减小( 即缈,增大) ,则 这种现象就会减小。 第二步是采样信号局俐进行截断,利用矩形函数“f ) 截断采样信号咒俐,使采样信号 仅有有限个样本点。其中矩形函数“f ) 的宽度为f = n t ,如图2 1 ( 4 ) 。 采样信号截断后得到的经过采样和截断的函数为 x s ( f ) w ( f ) = x ( n t ) 8 ( t - n t ) w ( t ) = x ( 玎丁) 8 ( t - 以r ) ( 2 3 ) z 其傅立叶变换为 1 亡x , ) 木w ( c o ) z 7 - 得到的波形和它的傅立叶变换如图2 1 ( 5 ) 表示。 采样信号虽然经过了截断处理,但在频域内仍然是连续函数, 需要对频域函数进行离散采样。 假设公式( 2 5 ) 为频域采样的脉冲序列 ( 2 4 ) 如果想实现逆变换,还 武汉科技大学硕士学位论文 第9 页 万,0 ) = 8 ( t o - k r o 。) k = - * o 则该脉冲序列的时域表达式为 础) 2 云娶( h f ) 如图2 1 ( 6 ) 所示,选国。= 2 万r 为采样频率,则采样后的频域采样信号为 x 0 ) = 圭石,0 ) 宰w 0 ) 】万,0 ) z 万 其傅立叶逆变换为 n - ! 二( f ) = k ( f ) 川) 】木4 ( f ) = 圭妻 芝石( 刀t ) 8 ( t 一以r 一,f ) 】 z t g ,# n - i ” 2 如图2 1 ( 7 ) 所示,托) 是周期为f 的离散函数,表明每个周期有n 个点。 x ( 国) = 2 万c i 万( 国一k ( o 。) k = 0 ,1 ,2 其中缈。:丝,式中 c k :亡fxt ) e - 1 2 硇nd t f - i g = 昙立,:去蝥o o 襄y 坝t - n t - r r ,e - i 2 m c t r 出 考虑到积分在一个周期上进行,即r = o 有 q = 去立:襄,忉一忉e - i 2 砌r 出 ( 2 5 ) ( 2 6 ) ( 2 7 ) ( 2 8 ) ( 2 9 ) ( 2 1 0 ) ( 2 1 1 ) ( 2 1 2 ) = 去毫咖丁) f :2 2 e - i 2 z k t r 8 c 卜刀d 出= 去毫z c 疗r 矿跎蒯厅 c 2 3 ) 由于f = a r t ,则2 ;r c = x ( n t ) p 叫2 砌州 :yx ( 刀丁) p _ j 2 砌,+ y 石( n t ) p 叫2 砌州 ( 2 1 4 ) - 、 7 厶一 7 第l o 页武汉科技大学硕士学位论文 一i 对于式( 2 1 4 ) 中的x n t e 叫2 砌 一i 2 设n = n 一n拧7 = + ,l ,有 一l x n t l e 叫2 删 ,一l 2 一i一l = 缸( ,l - n ) t e 一2 藤”州v = x ( n t ) e 叫2 删 _ + i+ i ( 2 1 5 ) 将式( 2 1 5 ) 代入式( 2 1 4 ) 中,有 2 z c i = x ( n t ) e q 2 酬 ( 2 1 6 ) 离散傅立叶变换的公式为 x ( 七国o ) = x ( n t ) e 川砌k = 0 ,1 ,2 ,n 一1 , ( 2 1 7 ) 根据三角函数集的正交性可以得到反变换的公式为 x ( 刀r ) = 寺x ( k c a 。) p 汜删n 2 0 ,1 ,2 n 一1 , ( 2 1 8 ) j n = o 2 2 功率谱 常用的功率谱密度函数可以用下面的公式来计算 ( ;k ( j i :。) = = 2 j i t _ i :n 白- 1 ,文,z 7 1 k 一,2 :212 k = o , 1 , 2 n 2 ( 2 1 9 ) 其中,时域采样点数为n ,时域采样间隔为t ,频域采样点为砌。,时域采样点上的数 值为“以r ) 。习惯上,用f f t 算法来进行计算时,有以下几个步骤: ( 1 ) 使序列的采样点数变为= 2 研( 其中m 为正整数) ,通过截断数据序列和添 加零点来实现。 ( 2 ) 使用相应的数据窗函数嘶丁) 来对原始序列如丁) 进行修j 下 而r ) :丁m n :o n _ 1 。 【j ( 3 ) 使用f f t 算法来计算序列d ,z 丁) 的傅立叶变换x o 国。) ,k = 0 ,1 , - - n 一1 。 ( 4 ) 用公式g x ( 七缈。) = 等i 舡。】2 k = o ,l ,2 ,n 2 ,来计算单边自功率谱。 2 3 实倒频谱 实倒频谱是通过对频谱进行谱分析而得到的,假设时问函数为“f ) ,傅立叶变换为 z 向) ,则该时间函数的功率谱为 武汉科技大学硕士学位论文第l l 页 馓( 缈) = 睾f x ( 缈) 1 2 。 ( 2 2 0 ) 实倒频谱通常有两种定义形式: ( 1 ) 功率倒频谱:功率倒频谱通常表示为c 印( g ) = l fl l gg x ( 国) 1 1 2 ( 2 2 1 ) ( 2 ) 幅值倒频谱:功率倒频谱的算术平方根定义形式称为幅值倒频谱,即 巳 = ( g ) = i 卅l g g 和州 ( 2 2 2 ) 它在实际应用中是比较多的。倒频谱的计算方法为 c ( g ) = 钟引1 d 胛缸( k c o 。) ) 1 2 l 。 ( 2 2 3 ) 2 4 傅立叶变换在时频方面的特点 傅立叶变换的表达式为 f 细) = i 。f ( t ) e 1 纠以 ( 2 2 4 ) 此时假设厂( f ) 为偶函数,可得到 f 0 ) = 2r 厂o ) c o s 伽 ( 2 2 5 ) 取缈- - 2 ,可以得到 - f ( 2 ) = 2 【f ( t ) c o s ( 2 t ) d t ( 2 2 6 ) 有公式( 2 2 6 ) 可知,f ( 2 ) 是f ( t ) l :s c o s ( 2 t ) 在一0 0 到+ 0 0 上先相乘后积分得到的, 同理可知f ( 1 ) 是c o s ( t ) 与厂o ) 在一0 0 到+ 上先相乘后积分而得到的。从上面的公式可 以看出f ( ) 上任何一个点的值都与一0 0 到- i - 0 0 上的所有的厂o ) 的值有关。由以上的分析 可知傅立叶变换对不同频率段内的内容不能分开表示,因此傅立叶变换不具备时域局部化 的特点。 2 5 傅立叶变换无法进行时频局部化的原因 下面来分析傅立叶变换为什么不能进行时域局部化。一个周期函数它可以展开成傅立 叶级数的形式,其指数表达式通常表示为 们) = f e 肿 一= m ( 2 2 7 ) 其中p ,胁、p j 2 d t 、e j 3 d t p 扣q 是相互正交的,这一点可以根据三角函数集的j 下交性 得到。如果厂o ) 为非周期函数,那可以假设厂o ) 周期无穷大,这样一来,q = 等就无穷小, 上 上述的序列表达式就可以表示为e 旭、e 吲、e 地,e 地,其中由于缈i 、c 0 2 、0 ) 3 、 国。,之间的距离无穷小,所以可近似认为非周期函数厂o ) 是连续的。这样厂o ) 虽然是非周 期信号但也可以近似地表示成为傅立叶级数的形式:厂( f ) = e e 心。,只不过e 此处无穷 小,缈。之间距离无穷小。将上式代入傅立叶变换的表达式( 2 2 4 ) ,可得 第1 2 页武汉科技大学硕士学位论文 f ( j o ) = if ( t ) e j o j t d t l i m ;儿- 删出 = m , i m e e j o j t e - j a ”d t ( 2 2 8 ) 由于国。之间的距离无穷小,所以可以假设有一个国m = 国,其它缈。国,根据三角函 数集的正交性,可知 f 【_ i c o 川户碱 ( 2 2 9 ) 由此可见用一个三角函数集对厂( f ) 进行拟合来表示该函数的傅立叶变换在某一确定 点处的值的含义。由于缈。之间的距离无穷小,所以e 都是无穷小的( 其中e 表示为任何 1 一个固定的频率的分量) ,因此将e 和周期r 相乘来进行表示,其中t 为无穷大,e 同圭 一 二f 属同阶无穷小。根据前面介绍的傅立叶变换公式我们可知,对每一个固定点进行傅立叶变 换,都需要将整个函数厂( f ) 代入运算。这样一来,所有固定点处的傅立叶变换值就代表了 函数厂( f ) 在所有频率段内的内容。 从以上分析可知傅罩叶变换没有时频局部化的能力,有很明显的缺点,特别是在对非 平稳信号进行分析时,无法对信号中的瞬变特征进行监测,而是将其淹没于周期成分中, 得不到明显的反映。而旋转机械设备故障信号中,常常是非平稳信号,需要对故障信号进 行时频局部化分析,此时,傅里叶变换就无能为力了。 2 6 本章小结 本章对建立在傅罩叶变换基础上的几种传统故障诊断方法进行了研究,分析了离散傅 立叶变换、功率谱、实倒频谱的理论基础。分析了傅立叶变换在时频方面的特点以及不能 进行时频局部化的原因,指出了其在机械故障诊断中对故障信号处理的缺点,从而引入小 波分析理论来说明利用小波分析进行设备故障诊断具有明显的优越性和必要性。 武汉科技大学硕士学位论文 第1 3 页 第三章小波分析理论及其应用 小波分析是近年来发展很快的一门新兴学科,是一种全新的时频分析方法。目前这门 理论已成功应用于图像处理、语音识别、数据压缩、机械故障诊断、信噪分离、分形等领 域。针对

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论