（机械电子工程专业论文）基于局域波法和盲源分离的故障诊断方法应用研究.pdf

大连理工大学博士学位论文 摘要 机械故障诊断是以机器学为基础的一门综合性技术，它的本质是一个机器运行状态 的模式识别问题，其关键就是故障信号的特征提取与分类。近年来，为满足对机器故障 进行早期检测与精确诊断的需要，非平稳、非高斯信号处理方法在机械故障诊断领域受 到了广泛关注。为此，本文基于国家自然科学基金项目“局域波法及其工程应用研究” ( 5 0 4 7 5 1 5 5 ) ，利用非平稳、非高斯信号处理理论中的局域波法、w i g n e r 高阶时频表 示和盲源分离理论，结合模式识别与机器学习领域的研究成果，对非平稳、非高斯的机 械振动信号特征提取与故障诊断问题进行了广泛而深入的研究。主要的工作如下： 1 应用局域波法对机械振动非平稳信号进行了研究。通过与小波变换和几种时频 分析方法的比较，表明局域波法对于非平稳信号的分析更具有效性。实验结果表明，局 域波时频分析能够清晰地表征不同故障的时变特征。由于局域波时频谱是一种二维的信 号表示形式，在计算机对故障自动分类时，涉及到维数压缩的问题。为了用尽可能少的 维数表示时频谱而不损失分类精度，几何矩和边缘分布可以作为时频分布的特征。在此 基础上，结合人工神经网络，提出了一种基于局域波几何矩和边缘的故障诊断方法。 2 研究了基于局域波法的多分量神经网络预测模型的有效性，用于对非平稳系统 时间序列进行建模。通过太阳黑子数据的仿真试验，验证了该多分量结构比对应的单一 神经网络结构性能优越。最后根据该方法组成了一个自回归时间序列模型库，用于转子 故障的模型诊断中。这些模型可以用做一步向前预测器，对检测和诊断信号进行比较。 从预测误差提取特征，能够确定机器的状态。不同故障状态的转子振动信号用来训练和 检验模型。实验数据表明，在适当训练样本长度下，这种方法用于故障诊断，可以实现 故障的正确分类。 3 研究了高阶时频分布在振动冲击信号特征提取中的应用问题。在机械状态监控 中，冲击信号的检测对于提取机器的状态信息是很有用的。通过w i g n e r 高阶矩谱可以 有效地对这样的非平稳、非高斯振动冲击信号进行特征提取和检测。针对高阶时频分布 分析多分量信号时存在交叉项的问题，提出了种利用局域波分解来减少i g n e r 高阶 矩谱交叉项的方法，以仿真信号为例，验证了此方法的有效性；通过对现场测试的柴油 机爆燃阶段信号的w i g n e r 高阶矩谱分析，验证了该方法在机械故障特征提取中具有很 好的应用潜力。最终表明，通过该方法可以提取有价值的关于冲击信号的时间和谱特性 的量化信息。 i 基于局域波法和盲源分离的故障诊断方法应用研究 4 提出了一种基于局域波时频图像的盲源分离故障诊断方法。独立成分分析 ( i c a ) 是实现盲源分离最有效的方法之。i c a 可以认为是p c a 特征提取技术的推 广。i c a f l 够提供图像的局部特征，给出较好的图像表示。针对局域波时频图像可以表 征不同故障振动信号的特点，应用盲源分离技术对不同故障信号的局域波时频图像进行 独立分量分离，提取代表当前工况特征的投影系数矩阵，作为故障特征，币用神经网络 实现不同故障的自动分类。最后以转子的早期摩擦，基座松动，不对中故障振动信号为 例，应用该方法进行了研究，实验结果证明了该方法的可行性。 5 为了有效提取故障特征信号，需要在不同位置进行多传感器的振动信号测量。 针对多源混合的非平稳、非高斯设备故障振动信号，应用非平稳信号的盲源分离算法， 可以有效地提取各自独立的非平稳振动源，从而更加准确地进行机械故障诊断。首先， 针对不同时频分布的非平稳盲源分离算法，通过仿真信号比较了它们的分离效果。然后 以转子的复合故障为例进行了实验验证。在此基础上，提出了一种基于盲源分离的多传 感器数据融合故障诊断方法。实验结果证明该方法能够提高故障诊断的精度。 关键词：机械振动；故障诊断；局域波法；高阶时频分布；盲源分离 大连理工大学博士学位论文 一一一一一一 a b s t r a c t m e c h i n e r yd i a g n o s i si sab r a n c ho f m e c h a n o l o g y ，i t se s s e n e ei st h ep a t t e r nr e c o g n i t i o n o f m a c h i n eo p e r a t i n gc o n d i t i o n i t sk e y i s s u e sa r et h ef e a t u r ee x t r a c t i o na n dc l a s s i f i c a t i o nf o rf a u l t s i g n s i nr e c e n ty e a r s ，t o m e e tt h en e e d so fe a r l yd e t e c t i o na n da c c u r a t ed i a g n o s i so f m e c h a n i c a lf a u l t s ，n o n - s t a t i o n a r ya n dn o n - g a u s s i a ns i g n a lp r o c e s s i n gt e c h n i q u e sa t t r a c t e dm o r e a n dm o r ea t t e n t i o ni nm e c h a n i c a lf a u l tf e a t u r e e x t r a c t i o n i nt h i sd i s s e r t a t i o n , b a s e do n “r e s e a r c ho nl o c a lw a v e m e t h o da n di t se n g i n e e r i n ga p p l i c a t i o n ( n a t i o n a ln a t u r es c i e n c e t h n dp r o j e c t n o ：5 0 4 7 5 1 5 5 ) ，c o m b i n e dw i t ht h ep a t t e r nr e c o g n i t i o na n dm a c h i n el e a r n i n g t e c h n i q u e s ，t h ep r o b l e m so f f e a t u r ee x t r a c t i o na n df a u l td i a g n o s i sa r ea d d r e s s e du s i n gl o c a l w a v em e t h o d ，w i g n e rh i g h e r - o r d e rt i m e - f r e q u e n c yr e p r e s e n t a t i o na n db l i n ds o u w ) es e p a r a t i o n o f n o n - s t a t i o n a r y n o n - g a u s s i a n v i b r a t i o ns i g n a l s t h em a i nc o n t e n t s 髂f o l l o w s ： 1 l o c a l - w a v em e t h o di ss t u d i e da n da p p l i e dt om e c h a n i c a lv i b r a t i o nn o n - s t a t i o n a r ys i g n a l b yc o m p a r i n gw i t hw a v e l e ta n d s e v e r a lt i m e - f r e q u e n c ym e t h o d s ，t h e 测- w a v em e t h o dc a n b ep r o v e dt om o r ee f f e c t i v et h a no t h e r s 1 1 1 ee x p e r i m e n tm s d ts h o w st h a tl o c a l - w l t v et i m e - f r e q u e n c ya n a l y s i sc a c l e a r l ye x p l a i n t i m e v a r y i n g c h a r a c t e r i s t i c so f d i f f e r e n tf a u l tm o d e s ，b u t t h i s t i m e f r e q u e n c y m e t h o di sat w o - d i m e n s i o n a l s i g n a lr e p r e s e n t a t i o n i t a r i s e st h e d i m e n s i o n a l i t yp r o b l e m t od e s c r i b et h es i g n a lw i t h a sf e wv a r i a b l e sa sp o s s i b l e t h e g e o m e t r i c m o m e n t sa n dm a r g i n sw e r eu s e da st h ef e a t u r e so ft h et h n e - f r e q u e n c yd i s t r i b u f i o n t h e n , c o m b i n e dw i t ht h ea r t i f i c i a ln e u r a ln e t w o r k , t h ef a u l td i a g n o s i sm e t h o di sp r o p o s e db a s e do n g e o m e l r i e m o m e n t sa n d m a r g 洫a l d e n s i t i e so f l o c a l - w a v e 2 n l ee f f e c t i v e n e s so fam u l t i c o m p o n e n tn e u r a l n e t w o r ka r c h i t e c t u r eb a s e d0 1 1l o c a l w a v ef o rt h et i m es e r i e sp r e d i c t i o no fn o n - s t a t i o n a r y ，n o n l i n e a rd y n a m i cs y s t e m sh a sb e e n i n v e s t i g a t e d t h es i m u l a t e de x p e r i m e n tf o rs u n s p o t s b e n c h m a r ks u g g e s t st h a tt h em u l t i c o m p o n e n ta r c h i t e c t u r eo u t p e r f o r m st h ec o r r e s p o n d i n gs i n g l e - s c a l ea r c h i t e c t u r e s t h e n , a n o b s e r v e rb a n ko f a u t o r e g r e s s i v et i m es e r i e sm o d e l sb a s e do i lm u l t i - c o m p o n e n tn e u r a l - n e t w o r k a r c h i t e c t u r ei su s e df o rm o d e ld i a g n o s i so fr o t o rf a u l tv i b r a t i o ns i g n a l s t h e s em o d e l sc a nb e u s e da so n es t e pa h e a dp r e d i c t o r sa l l o w i n gc o m p a r i s o no f s i g n a l sf o rt 1 1 ep u r p o s e so ff a u l t d e t e c t i o na n dd i a g n o s i s f r o mt h ep r e d i c t i o n e r r o r , f e a t u r e sc a nb ee x t r a c t e da n du s e dt o d e t e r m i n et h em a c h i n e sc o n d i t i o n v i b r a t i o nd a m f r o mar o t o rp l a c e du n d e rd i f f e r e n tf a u l t c o n d i t i o n sw e r eu s e df o r t r a i n i n ga n dt e s t i n gm o d e l s n l ee x p e r i m e n tr e s u l t si n d i c a t et h a tt h i s a p p r o a c h c o u l db eu s e dt od i a g n o s ef a u l tc o n d i t i o n s 3 h i g h e ro r d e rt i m e f r e q u e n c yd i s t r i b u t i o n sa n dt h e i ra p p l i c a t i o n st of e a t u r ee x t r a c f i o no f m a c h i n ev i b r a t i o ns i g n a l sa r es t u d i e d 1 1 1 ed e t e c t i o no ft h e s ei m p u l s e sc a nb eu s e f u lf o rf a u l t d i a g n o s i sp u r p o s e si nc o n d i t i o nm o n i t o r i n ge n v i r o n m e n t t h ef e a t u r e sc a nb e e f f e c t i v e l y i i i 基于局域波法和盲源分离的故障诊断方法应用研究 e x t r a c t e df o rt h e s en o n s t a t i o n a r y ，n o n - g a u s s i a nv i b r a t i o ns i g n a l sb yt h ew i g n e rh i g h e ro r d e r m o m e n ts p e c t r t u nt h el o c a lw a v ed e c o m p o s i t i o nm e t l l o di su s e dt os u p p r e s st h ec r o s s t e r m f o rm u l t i p l es i g n a l si nh i g h e ro r d e rt i m e - f r e q u e n c yd i s t r i b u t i o n sa n dt h es i m u l a t e dr e s u l t sa r e s a t i s f a c t o r y t h ev i b r a t i o ns i g r l a i sm e a s u r e df r o md i e s e le n g i n ei nt h es t a g eo fd e f l a g r a t ea r e a n a l y z e dw i t hw i g n e rh i g h e ro r d e rm o m e u ts p e c m l m e x p e r i m e n t a lr e s u l t si n d i c a t et h a tt h i s m e t h o dh a s g o o dp o t e n t i a li nm e c h a n i c a lf a u l tf e a t u r ee x t r a c t i o na n d c a nb eu s e dt oe x t r a c tt h e v a l u a b l e q u a n t i f i a b l ei n f o r m a t i o n a b o u tt h et i m e - f r e q u e n c yf e a t u r e so f i m p a c t s 4 t h eb l i n ds o u r c es e p a r a t i o nf a u l td i a g n o s i sm e t h o db a s e do nl o c a lw a v e t i m e - f r e q u e n c y i m a g e s i sd e v e l o p e d i c ah a sb e e n m a i n l y u s e do nt h e p r o b l e m o f b l i n d s i g n a ls e p a r a t i o n i c a i saf e a t u r ee x t r a c t i o n l e c h n i q u e w h i c he a r lb ec o n s i d e r e da g e n e r a l i z a t i o n o fp r i n c i p a l c o m p o n e n ta n a l y s i s ( p c a ) i c ac a nb e u s e dt og a i nt h el o c a lf e a t u r e sw h i c h g i v eb e t t e ri m a g e r e p r e s e n t a t i o n b e c a u s et h e1 o e a l w a v et i m e - f r e q u e n c yi m a g ec a nr e f l e c tt h ec h a r a c t e ro t d i f f e r e n tf a u l tc o n d i t i o n s ，b l i n ds o u r c es e p a r a t i o na san e w s i g n a lp r o c e s s i n gt e c h n i q u ei su s e d t oe x t r a c tt h ep r o j e c t i o nc o e f f i c i e n tm a t r i xw h i c hr e p r e s e n t st h ef e a t u r e sc h a r a c t e r i z i n gt h e c u r r e n to p e r 幽gc o n d i t i o nf r o md i f f e r e n tf a u l tl o c a lw a v et i m e - f r e q u a n c yi m a g e s n e u r a l n e t w o r ki sw e l lw a i n e d b yu s i n gt h ep r o j e c t i o nc o e f f i c i e n tm a 奴a st h e f ti n p u tst oi d e n t i f yt h e f a u l ta u t o m a t i c a l l y t h ee x p e r i m e n tr e s u l t sf o rt h ev i b r a t i o ns i g n a l so fr o t o r sf a u l t ( e a r l yr u b ， f o u n d a t i o nl o o s e ，m i s a l i g n m e m ) s h o wt h a tt h e p r o p o s e d m e t h o di se f f i c i e n t 5 t oe x t r 踮tt h ef a u l tf e a t u r es i g n a le f f i c i e n t l y , t h em u l t i - s e n s o ra r en e e d e dt op l a c ei n d i f f e r e n tp l a c eo fm a c h i n e t of u r t h e ri m p r o v et h ea c c u r a t ed i a g n o s i s ，f o rm u l t i s o u r c em i x e d v i b r a t i o ns i g n a l sm e a s u r e df r o m m a c h i n e s ，t h en o n - s t a t i o n a r yb l i n ds o u r e , es e p a r a t i o na l g o r i t h m i ss t u d i e dt oe x t r a c tt h en o n - s t a t i o n a r yv i b r a t i o ns o u r c es i g n a l sw h i c ca r ei n d e p e n d e n te a c h o t h e r t h es i m u l a t e ds i g n a l sa l e a p p l i e d t 0c o m p a r et h e s e p a r a t i o ne f f i c i e n c yb a s e d o nd i f f e r e n t t i m e - f r e q u e n c yd i s l r i b u t i o n s t h ee x p e r i m e n to fr o t o r sc o m p o u n df a u l ti su s e dt ov e r i f yt h e v a l i d i t yf o rs e p a r a t em i x e ds i g n a l s i nt h i sg r o u n d w o r k , t h em u l t i - s e n s o rd a t af u s i o nm e t h o d b a s e do nb l i n ds o l l r e 圮s e p a r a t i o ni sp r o p o s e df o rf a u l td i a g n o s i s t h ee x p e r i m e n tr e s u l t ss h o w t h a tt h e p r o p o s e dm e t h o d c a i li m p r o v et h ed i a g n o s t i c a c c u r a c y k e yw o r d s m e c h a n i c a l v i b r a t i o n ；f a u l td i a g n o s i s ；l o c a l w a v em e t h o d ；h i g h e r o r d e r t i m e - f r e q u e n c yd i s t r i b u t i o n ；b l i n ds o u r c es e p a r a t i o n 独创性说明 作者郑重声明：本博士学位论文是我个人在导师指导下进行的研究 工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 大连理工大学或其他单位的学位或证书所使用过的材料。与我同工作 的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢 意。 作者签名：虫查孳 日期：1 型：曼： 一 大连理工大学博士学位论文 1 绪论 1 1 选题意义 随着现代化工业大生产的不断发展，机械设备的结构变得越来越复杂，并且经常运 行于高速、重载以及恶劣环境等条件下。由于各种因素的干扰和影响，会导致机械设备 发生故障，轻则降低生产质量或导致停产，增加维修费用，造成经济效益的降低；重则 会造成严重的甚至是灾难性的事故。如前苏联切尔诺贝利核电站爆炸，美国“挑战者” 号航天飞机失事等，都是近代设备重大事故中的典型。 诚然，要求机械设备不出故障是不现实的，绝对安全可靠的机械设备也是根本不存 在的。因此，我们只能从预防故障和减少损失的角度出发，及时发现设备的异常，掌握 设备的运行状态，把握它的发展趋势；对已经形成的或正在形成的故障进行分析诊断， 判断故障的部位和产生的原因，并及早采取有效的措施，做到防患于未然。设备状态监 测与故障诊断技术就是为了适应这一需要而发展起来的- - f l 既有理论基础、又有实际应 用背景的交叉性学科“。 另外，设备状态监测与故障诊断技术还是现代机械设备维修制度改革的基础。设备 管理维修制度发展至今己具备三种类型：事后维修制、定期预防维修制和视情维修制。 基于状态检测与故障诊断的视情维修制起始于7 0 年代初期，在连续过程企业中取得成 功，获得了较高的设备利用率以及生产率，取得了巨大的经济效益叫。 所以，故障诊断的基本任务就是监视机械设备的运行状态，诊断和判断机械设备的 故障并提供有效的排故措旌，指导设备管理和维修f 5 】。 机械设备故障诊断的基本过程如图1 1 所示。 图1 1 故障诊断的基本过程 f i g1 1t h e b a s i c p r o c e s so f f a u l td i a g n o s i s 可以看出故障诊断主要包括以下几个步骤：状态检测，特征提取，诊断故障和决策 规划。状态检测是诊断故障的前提。设备运行的状态信号是故障信息的唯一载体，其获 基于局域波法和盲源分离的故障诊断方法应用研究 取主要依靠传感器或其它检测手段进行故障信号的检测，主要包括信号测取、中间变换 和数据采集三个过程。特征提取是从状态信号中提取与设备故障有关的特征信息，在实 际应用中，故障与征兆之间往往并不存在简单的对应关系，一种故障可能对应着多 种征兆，反之一种征兆也可能是由于多种故障所致。因此，通常我们必须要借助信号处 理等手段从采集的原始数据中加工出特征信息，提取特征量，从而保证有效、准确地进 行故障诊断。而根据故障征兆识别故障原因，是整个故障诊断过程的核心。最后根据发 备故障特征，预测故障发展趋势，参考故障性质和趋势，做出决策，干预其设计、维修 等工作。 在机械故障诊断的发展过程中，人们发现最重要、最关键也是最困难的问题之一就 是故障特征信号的特征提取。从某种意义上说，特征提取可以说是当前机械故障诊断研 究中的瓶颈问题，它直接关系到故障诊断的准确性和故障早期预报的可靠性【5 j 。为了从 根本上解决特征提取这个关键问题，人们主要借助于信号处理的理论、方法和技术手 段，如功率谱、时域平均、解调分析、时间序列分析等对故障特征进行提取，而这些方 法是建立在平稳、高斯的假设基础上，当应用在旋转及往复机械上时就存在困难，因为 从机械设备上所测得的( 振动) 信号千变万化，大量是非平稳、非高斯分布和非线性的 随机信号，尤其是当设备出现故障时上述情形显得更加突 5 , 6 1 。随着研究的深入和分析 水平的不断提高，为了更有效、更方便地获取故障特征信息，我们需要从一个更高、更 全面的角度去观察信号，其重要途径就是研究和发展基于非平稳、非高斯信号分析理论 的故障特征信息提取方法。 研究非平稳、非高斯信号处理理论己成为现代信号处理理论研究的热点之一，涌现 出许多成果【7 1o 】。非平稳信号是指信号的统计特性是时间的函数。研究时变非平稳信号 的重要方法主要是时一频分析( 分布) ，该方法在时间一频率域上，而不是仅在时域或仅 在频域上对信号进行分析。时一频分析可分为线性和非线性两种形式。其中，线性时一频 分析主要包括：小波变换、短时傅里叶变换和g a b o r 展开等：而非线性形式应用最广泛 的是二次双线性时一频分布，包括：谱图、尺度图、c o h e n 分布、w i g n e r - v i l l e 分布、 r i h a c z e k 分布以及c h o i - w i l l i a m s 分布等。非高斯信号处理是信号处理的一个新领域。 随着研究的深入，非高斯信号处理理论和方法的研究领域逐步发展、成熟起来。非高斯 信号处理的主要数学工具是高阶统计量( h o s ) 及相应的高阶谱( 包括：高阶矩、高阶累积 量，以及它们的多维傅里叶变换一高阶矩谱和高阶累积量谱，此外还有倒高阶累积量谱， 即倒多谱) 。近年来出现的盲源分离技术为非高斯信号的处理注入了新的活力。 2 大连理工大学博十学位论文 国内外有许多学者就非平稳、非高斯信号处理理论在机械故障诊断领域中的应用进 行了大量的研究工作，取得了喜人的成绩。1 ”，但是，从总体上看，这些应用仍处二f 一 个开始阶段，有关非平稳、非高斯信号处理理论在机械故障诊断中的研究和应用仍需要 大量的工作。在此背景下，本文利用局域波法、w i g n e r 高阶矩谱和盲源分离技术对非 平稳、非高斯的机械振动信号的特征提取与故障诊断方法问题进行了深入的研究，以期 提高复杂设备的故障诊断水平。 1 2 基于非平稳信号处理的故障诊断技术现状 在以设备振动信号为状态参量的设备运行状态检测与故障诊断中，因为设备运行 转速的不稳定、载荷的变化以及设备故障产生的冲击、摩擦，导致非平稳与非线性振动 的产生。严格地说，许多实际信号都是属于非平稳随机信号，基于平稳过程与线性过程 的传统信号处理理论难以发挥作用，这种情况下就需要能处理非平稳与非线性信号的时 频分析方法。但是由于受理论条件的限制，在上世纪8 0 年代以前，人们对于信号进行 分析仅仅局限于平稳的情况，进入8 0 年代以后，随着时频分析理论与应用的发展，对 于非平稳随机信号分析与处理的研究逐渐受到人们的广泛关注，并目益发展起来。 时频分析方法正是着眼于非平稳信号的时变特性，将一维的信号序列扩展到二维 的时频平面上来观察，目的就是要描述信号的频率或者频谱含量怎样随时间演变。有关 学者对时频分析进行理论研究的同时，也开展了实际应用，并取得了可喜的成果。时频 分析技术广泛应用于语音、地震波、雷达、旋转机械、往复机械等测试信号的分析中， 在瞬时频率估计、故障诊断、信号检测与分类等领域显示出了相当的优势。 对非平稳信号进行时频分析，主要体现在短时傅立叶变换、小波分析、w i g n e r v i l l e 分布、局域波分析方法的应用上。 1 2 1 小波变换与机械故障诊断 小波变换是在短时傅立叶变换的基础上，通过可变宽度的小波母函数作为变换基， 即可得到一系列不同分辨率的变换【1 日。它的主要特点就是具有多重分辨率来刻画信号局 部特征的能力，从而比较适合探测正常信号中夹带的瞬态反常现象并展示其成分，这在 机械设备的状态监测及早期故障诊断中具有一定的优势。 小波变换如今已经被广泛应用于很多工程技术领域。在机械故障诊断领域，它已被 用来对齿轮、轴承、往复式压缩机和内燃机的故障进行诊断。 文献i l l 8 中提出了将小波变换用于变速箱齿轮故障早期诊断，发现变换后的时间一 尺度图能够提取振动信号的局部特征，通过选择合适的基函数可以实现对局部故障进行 一3 基于局域波法和盲源分离的故障诊断方法应用研究 检测和诊断。文献“”中利用正交小波变换对齿轮的断齿故障特征向量进行压缩，采用相 似分析法对小波变换得到的特征模式进行比较，以小波变换模的等高线之间的 m a h a l a n o b i s 距离为征兆，对故障进行检测，通过观察小波变换模和相位图来确定故障 发生的位置。文献嘲采用谐波小波分析旋转机械故障特征波形。文献。”中应用小波熵作 为特征参数对往复式空压机气阀的正常、阀片断裂和弹簧失效等工况进行了诊断识别。 文献。1 中应用小波变换对转子系统中的动静件早期碰摩故障进行了研究。 小波变换对信号逐层分解，每层分解是将上层分解的低频信号再分解为低频和高频 两部分，每经一次分解数据点减半，时域分辨率降低一倍。但是小波变换没有对高频部 分再进行分解，因而高频段的频率分辨率较差。小波包分析是对小波变换的一种改进， 可提高信号通频带的频率分辨率，实现对高频段信号的分解。因此，在机械设备的振动 信号分析中，小波包应用的更为广泛。 文献介绍了小波包和自回归谱在时变振动诊断中的应用。研究结果表明，时频分 析方法较传统的谱分析方法及时域分析方法更适合于时变非平稳信号的处理，时频分析 方法的优点是时频结构表达特征直观，但是频率分辨率较差；小波包能将非平稳信号分 解到不同的频带上，但其时频表达不够直观。文献”1 对小波包在机械故障诊断中的应 用进行了研究。文献嘲应用小波包分解对内燃机缸盖振动信号进行了研究，运用图像处 理技术对内燃机的状态进行诊断。 1 2 2c o h e n 类时频分布与故障诊断 常见的c o h e n 分布主要有w i g n e r - v i l l e 分布、r i h a o z e k 分布以及c h o i - w i l l i a m s 分布等。w i g n e r - v i l l e 分布在时域和频域均可获得很高的分辨率而且还具有一些很好 的特性，包括时移性、频移性、瞬时频率及群延迟等。由于w i g n e r 分布有许多优良特 性，在多年前就有将其应用于故障诊断的报道例。文献指出使用w i g n e r 分布可以用 来描述机器的运行状态，是诊断旋转机械故障的一种有效方法。 文献。“研究了小波分析和c h o i - w i l l i a m s 时频分布两种先进的信号分析方法在机器 振动诊断方面的应用，指出对处理机器表面的振动信号，这两种方法比传统的谱分析更 显优越性。文献在利用时频分布诊断内燃机爆燃敲缸故障中作了研究，采用c h o i w i l l i a r s 分布以减少交叉干扰项，不同工况下的时频图区别明显。文献阻3 1 指出w i g n e r v i l l e 分布可以用来检测齿轮的局部故障，同时给出统计及神经网络两种故障模式分类 方法，并把径向高斯基函数时频分布引入到机械故障诊断，这种时频分布根据被分析信 号的模糊函数的具体形式，采用优化方法自适应地对模糊函数进行整形，尽可能保留集 中在原点的信号模糊函数的自分量，抑制远离原点的交叉分量，以去除交叉干扰项，提 大连理工大学博士学位论文 高分辨率。文献利用时频分布对机械加工过程进行检测，显示了现代信号处理技术在 制造领域的应用价值。 虽然时频分布在机械故障诊断中的应用已经很多，但是，这些应用基本上都是建立 在c o h e n 类的w i g n e r v i l l e 分布( w v d ) 基础上的，由于w v d 存在严重的干扰项问题，往 往将微弱的故障特征信息淹没在干扰项下，对故障的诊断检测造成一定的困难。平滑的 伪w i g n e r v i l l e 分布及c h o i - w i l l i a m s 分布尽管减少了交叉干扰项，但同时也降低了时 间和频率分辨率。 1 2 3 局域波法与故障诊断 1 2 3 1 局域波理论和发展情况 1 9 9 6 年学者h u a n g 嘲在一次国际学术会议上首次提出一种适于非平稳信号分析的 新方法的设想e m d ( 基于经验的模式分解) 方法，并在1 9 9 8 年赋予该方法一定的实 际内容。我们知道对于瞬态与非平稳现象，频率与能量一般都是时间的函数，因此需要 给出瞬时频率和瞬时能量的定义。目前信号瞬时能量的概念己被广泛接受，但是瞬时频 率的概念和意义却一直存有争议。当可以使数据解析化的h i l b e r t 变换产生之后，人们 根据h i l b e r t 变换提供的、能够完全表达原始数据幅度和相位的函数，给出了瞬时频率 的统一定义，即：= d o ( t ) d t 。其中0 ( 0 为信号的相位函数，从定义可以看出瞬时频 率是时间的单值函数，所以在使用瞬时频率这一概念时，对应的数据受到了一定的限 制，这主要因为任何一个时刻，数据中可能包含多个振荡模式，使得h i l b e r t 变换有时 并不能给出该信号完全的频率内容，从而瞬时频率的意义变得模糊。 为了从复杂信号中得到有意义的瞬时频率，学者h u a n g 根据瞬时频率物理意义上的 必要条件，提出把含有多个振荡模式的数据分解成满足一定条件的基本模式分量。 2 0 0 0 年马孝江教授通过对工程信号内在特征的深入分析研究，并结合学者h u a n g 提出的新的信号分析思想，首次提出局域波( l o c a l - w a v e ) 概念。从而把繁杂的信号 波形划分为两大类：局域波和全域波，与之对应的分析方法称之为局域波法和全域波 法。所谓全域波，就是在信号分析中信号频率的定义是基于分析数据整个时间历程上。 也就是说，信号分析中获取的任意一个频率值，它所表达的一个周期信号存在于整个分 析时间中。因此，利用这种全局意3 4 上定义的频率分量对非平稳时变信号进行分析，必 然会产生额外的谐波频率来满足全局意义上的定义，从而使信号能量扩展到较宽的频带 中。对于局域波来说，信号频率的定义是基于波形的局部特征和瞬时特征，并不需要多 于个振荡周期的信号波形来给出一个频率值，而是在信号数据的每个时间点上，从点 基于局域波法和盲源分离的故障诊断方法应用研究 与点之间的变化特征来给出瞬时频率值。因此，局域波法无论从概念上还是从信号分析 本质上看，都打破了传统频率思想，给出了一个全新的频率概念。经过近几年的研究， 该思想逐步形成了以局域波法为核心的理论体系。 目前大部分分析方法属于全域波法，因为它们在分析中不能给出某一时刻的瞬时频 率，故它们对于机械设备振动信号的分析，总存在着一定的缺陷。而局域波法是对非平 稳时变信号本质的形象描述，它成功的给出了信号分析中瞬时频率的物理意义，这将为 设备表面振动信号的分析提供一种新的思路。 局域波法作为一种新的分析方法在非平稳信号分析中的作用和优势已初见端倪，该 方法打破了传统上定义频率的思想，可以说是整个信号分析领域的重大突破，研究表 明，该方法具有以下特点。7 “： ( 1 ) 局域波分析特别适用于非平稳信号的分析，尤其对瞬态信号特征的提取更为 有效，但也可以用于平稳信号。 ( 2 ) 局域波分析打破了时窗与频窗的约束，克服了小波分析低频时频率分辨率 高，时间分辨率低，而高频时频率分辨率低，时间分辨率高的局限性。 ( 3 ) 信号的局域波分解算法是基于信号局部特征，是通过对局部均值的迭代筛选 来获取基本模式分量和剩余分量的，因此信号的分解和重构可以从某种程度上降低噪声 干扰和剔除数据趋势项。 ( 4 ) 该分解具有完备性和局部正交性，且信号分解的基是自适应的，是依赖于信 号本身特征的。它既不同于傅立叶分解中的由等幅正余弦构成的基函数，也不同于小波 分解中预选定的小波基。 局域波法的研究已经起步，对于解决非平稳信号分析中的难题起到了一定的积极作 用，但它还有许多不完善之处有待于我们去深入探索和研究。 1 - 2 3 2 局域波法在故障诊断中的应用现状 任何一种理论和方法研究的宗旨都是为工程实践服务，这也是我们从事科研的最终 目的。目前，局域波法作为一种全新的信号分析方法，对非平稳性信号的分析表现出了 较大的优越性。不过人们对它的研究还远远不够，在工程中的应用大部分以仿真信号的 分析为主，在故障诊断领域的应用更是微乎其微。迄今为止也只限于以下方面：学者 i | u a n g 利用该方法对水波特性进行了成功的分析，并利用该方法提出了和实现了非平稳 信号的非平稳性度量方法。文献e + j , r j 用该分析方法有效抑制了w i g n e r v i l l e 分布的交 叉干扰项。文献“”提出了基于该方法的非平稳信号的a r 姒模型分析方法；文献利用 局域波时频谱实现了齿轮磨损故障的诊断；文献1 将该方法与时间序列分析相结合，提 6 大连理工大学博士学位论文 出了基于局域波法和k l 信息量的故障诊断方法，同时，将该方法与分形理论相结合， 提出了局域波分形方法，并将上述两种方法成功地应用于柴油机的故障诊断。文献“4 1 提 出了基于局域波法的时频域局部能量特征提取方法。文献应用e m d 法对万能外圆磨床 的砂轮架主轴振动信号进行了分析，指出了该方法对非平稳信号分析更具有直观物理意 义。文献“1 将咖法二维化，并应用于海洋遥感图像处理，实现了图像数据的线性 化、平稳化预处理与不同信息的尺度分离，为海洋遥感应用研究特别是图像谱分析研究 和目标识别研究提供了一种有效的数据源预处理新方法。文献通过对咖和小波分析 的比较，证明对于旋转机械振动信号，基于e m d 的局域波时频方法比基于小波分析的更 有效。文献“7 1 通过局域波时频方法对转子系