基于阶比分析的变转速旋转机械故障诊断方法研究

阅读量：

244

作者：

王建峰

展开

摘要：

风电机组、航空发动机、高铁等大型装备往往工作在变工况的环境中,其关键零部件轴承、齿轮、转子系统等旋转部件容易发生故障,一旦其发生故障将影响装备的运行,甚至引发灾难性的事故,因此需要对轴承、齿轮、转子等关键部件进行状态监测与故障诊断。对于轴承、齿轮、转子等旋转机械的故障诊断,振动诊断是常用也是最有效的旋转机械故障诊断方法。但是传统的振动诊断方法主要针对平稳信号,无法适用于变转速下的旋转机械故障诊断。而阶比分析能够很好地反映与转速有关的振动,在变转速的旋转机械故障诊断中具有优势。但是阶比分析在旋转机械故障诊断中还存在一些问题,如:转速曲线的精确计算、变转速旋转机械振动特征无法有效表征导致故障识别精度低、变转速转子系统的全息瀑布误差大等问题。针对这些问题,论文开展了基于阶比分析的旋转机械故障诊断方法研究,主要研究内容如下:进行了转速曲线精确计算的研究。针对有转速计情况下计算得到的转速与实际有一定偏差的问题,研究了基于一阶数值微分和最小二乘五点三次平滑的转速曲线计算方法。首先采用拉格朗日插值获得脉冲阈值的精确时刻,然后采用一阶数值微分获得初始转速曲线,最后采用最小二乘五点三次平滑获得精确的转速曲线。针对无转速计下利用时频变换估计转速存在精度低、抗噪声能力差的问题,提出了基于时频融合的转速曲线计算方法。首先分别用短时傅立叶变换和Winger-Ville分布将振动信号变换到时频域,然后对两个时频矩阵归一化处理后进行融合,最后再用基于代价函数的方法搜素时频脊线得到转速曲线。针对变转速旋转机械振动特征无法有效表征导致故障识别精度低的问题,提出了基于阶比重采样和流形学习的旋转机械故障诊断方法。研究了重采样时刻的计算,角域重采样等阶比重采样过程中的关键技术。利用阶比重采样技术将非平稳的等时间间隔信号转化为平稳的等角度信号。研究了有效表征变转速旋转机械运行状态特征集的提取。对原始等角度信号和等角度信号EMD分解后的IMF分量提取无量纲的时域统计特征构成高维特征集,针对高维特征集存在特征冲突、信息冗余的问题,采用自适应邻域局部切空间排列流形学习对高维统计特征集降维处理,并将降维以后的特征信息采用k近邻分类器识别故障。针对变转速转子系统的全息瀑布误差大无法有效进行转子系统故障诊断的问题,提出了基于阶比分量融合的全息瀑布转子系统故障诊断方法。研究了基于角位移的Vold-Kalman阶比分析,构造了以状态方程和观测方程为基础的振动信号模型实现多阶比分量的同时提取。由提取的包络波形和时域波形计算各键相点的幅值相位信息。然后由相互垂直的X、Y通道键相点的幅值相位信息计算出全息谱参数得到能够对转子系统做出有效诊断的全息瀑布。研发了基于阶比分析的旋转机械故障诊断系统,该系统包括数据采集模块、阶比分析模块、基于阶比重采样的故障诊断模块和全息谱故障诊断模块,并通过应用对各模块进行验正。

展开

关键词：

变转速；阶比分析；故障诊断

学位级别：

硕士

DOI：

CNKI:CDMD:2.1016.907733