关键词：变分模态分解;;复延迟时频分布;;广义Warblet变换;;计算阶次分析;;故障诊断
摘 要：实际工况中采集的振动信号多为非平稳、非线性的多分量时变信号,如何准确提取信号中的特征仍是机械故障诊断学科的难点和热点。时频分析技术由于能够同时揭示非平稳信号中频率和时间的变化特征,在机械设备故障诊断中得到了广泛的应用。目前,窗口傅里叶变换、Wigner-Ville分布、小波变换等时频方法存在自身的局限性,故需要研究新型时频分析方法以及相应的特征提取技术。因此,本文综合运用现代信号处理方法,提出VMD的时频图构建方法,研究其时频聚集性以及瞬时特征提取技术,并将其应用于变转速工况下的机械故障诊断中。本文主要内容如下:(1)介绍了N阶复延迟时频分析方法及其瞬时频率的计算方法,并通过仿真信号分析表明阶次越高,时频谱图时频聚集性越好,瞬时频率的提取越精确。但是存在计算量过大、不能处理过多数据点等问题,限制了其应用范围。阐述了VMD算法,并对其原理及实现过程进行了推导,同时结合Hilbert变换构造出VMD时频谱。利用Gini指数和时频谱峭度两个指标对VMD时频谱的时频聚集性进行了定量分析。通过蝙蝠仿真信号得出VMD相比EEMD在抗模态混叠及特征提取方面效果更好,并且VMD时频谱相对于其他时频方法有更好的时频聚集性。(2)提出了基于蝙蝠算法的VMD参数优化方法。蝙蝠算法因具有良好的全局搜索能力和收敛速度较快的优点,将其应用于VMD算法中,解决了VMD算法需要预设参数的问题,提高了VMD算法在实现过程中的自适应性。通过数值仿真和实验分析对该方法进行了验证,结果证实了参数化优化方法的准确性。(3)论述了广义Warblet变换(Generalized Warblet transform,GWT)基本原理,考虑到GWT在分析多分量调制信号时的不足和VMD分解多分量信号时的优势,将VMD作为GWT的前处理,提出了基于VMD和GWT的齿轮故障诊断方法。通过齿轮故障诊断验证了该方法的有效性。(4)针对变工况环境中的滚动轴承诊断问题,将VMD方法和计算阶次分析(Computed order tracking,COT)相结合,提出了一种基于VMD和COT的角域阶次谱的故障诊断方法。该方法首先通过COT将时域中的非平稳信号转变为角域中的平稳信号,其后通过重构的角域-阶次谱完成对时变工况的滚动轴承故障诊断。通过内圈、外圈和滚动体轴承故障分析,验证了方法的有效性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取