关键词：旋转机械;噪声信号;故障诊断;特征提取;状态识别
摘 要：旋转机械是最常使用的一类机械设备,对该类设备进行故障诊断,状态监测直接关系到工厂的工作效率、经济效益以及工作人员的安全健康。然而,现今普遍使用的振动信号故障诊断方法由于其自身特点的限制已经不能满足实际的监测要求。因此,本文结合声学信号监测的非接触式测量、设备简单、信号易于测取、易于发现早期故障、无须事先粘贴传感器、可对移动目标进行在线监测等优点,对基于噪声信号的故障诊断方法进行系统研究。首先,本文对旋转机械常见故障类型及故障机理进行详细介绍。对声学的理论基础进行说明,从理论层面说明了利用噪声信号进行故障诊断的可行性。介绍了利用噪声信号进行故障诊断的方法,以及各方法的原理和特点。同时,针对旋转机械故障的噪声信号的特点进行了分析说明。其次,基于研究目的以及研究背景,结合现有实验设备设计实验内容,并且开展实验信号的采集工作。将实验分成两类,一是对定点式信号的采集,二是移动式信号的采集。主要的实验对象包括滚动轴承故障信号、转子转轴故障信号、齿轮箱齿轮啮合故障信号以及混合故障信号等。再次,利用采集的故障信号实现基于噪声信号的故障特征提取方法研究。利用短时傅里叶变换对故障特征进行提取,初步验证噪声信号中包含着故障信息成分。根据处理结果发现,噪声信号中包含更加复杂强大的背景噪声,考虑使用经验模态分解去噪,将经验模态分解与相关性分析以及峭度进行结合,实现对信号的分解与重构,进而实现对信号的去噪。对比去噪前后的频谱图,可见该去噪方法对该类信号具有较好的处理效果。因为经验模态分解频率混叠问题的存在,对基于集合经验模态分解的故障特征提取方法进行研究。然后,结合采集到的噪声信号特点,提出一种基于能量的噪声信号处理方法,并对该方法的原理以及过程进行详细的说明。最后,对旋转机械故障的噪声信号进行分类方法研究,将支持向量机应用于故障特征分类。利用交叉验证方法寻找最优模型参数,分别将定点采集信号以及移动采集信号进行分类识别,再对混合故障信号进行分类识别,观察支持向量机对故障噪声信号的分类准确度。文章最后对本次研究所做的工作进行了总结,并对相关的研究发展进行了展望。
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