logo资料库

基于EMD的故障特征信息提取研究.pdf

发布时间：2022-06-08 发布人：admin 分类：说明书 资料大小：1.58M 资料格式：pdf 举报 版权申诉
第1页 / 共57页
第2页 / 共57页
第3页 / 共57页
第4页 / 共57页
第5页 / 共57页
第6页 / 共57页
第7页 / 共57页
第8页 / 共57页
资料共57页，剩余部分请下载后查看
    封面
    文摘
    英文文摘
    第1章绪论
    第2章EMD方法原理概述
    第3章EMD信号分析方法的改进
    第4章基于EMD的故障特征信息提取
    第5章转子不平衡及不对中故障特征信息提取
    第6章故障特征信息提取软件设计
    第7章总结与展望
    参考文献
    作者在读硕士研究生期间发表的学术论文
    致 谢
    武汉理工大学硕士学位论文基于EMD的故障特征信息提取研究姓名：吴小娟申请学位级别：硕士专业：控制理论与控制工程指导教师：黎洪生20060401
    武汉理工大学硕士学位论文摘要故障诊断是研究设备运行状态信息的变化，进而识别设备运行状态的科学。在故障诊断中，故障特征信息的提取是其研究的瓶颈，而信号处理技术是提取故障特征信息的核心。在实际应用中，大量的信号都是非平稳和非线性的随机信号。目前对非平稳信号处理的主要技术有：短时傅立叶变换(s11玎)、时频分析理论(Wigner-Vill分布)和小波变换(wr)，但这些方法都存在一定的缺陷。1998年，美籍华人N．E．Huang等人提出了一种新的处理非线性、非平稳的数据处理方法一一经验模态分解方法，简称EMD方法。本论文以旋转机械中的转子不平衡和转子不对中故障信号为研究对象，开展基于EMD故障特征信息提取的研究，主要研究成果如下：在EMD分解过程中，由于利用三次样条插值函数获取上下包络平均值，因此出现了端点问题。如果对端点不加任何处理，三次样条就会产生大幅度的摆动，这种摆动就会影响到故障信号特征信息提取的准确性。已经存在一些解决方法，这些方法都能有效地控制大幅度的摆动。本文探讨了添加极值点与对称延拓相结合的算法，并利用实验数据证明了这种方法的正确性，从而对EMD分析方法进行了改进。利用改进算法对仿真振动信号进行分析，提取该故障信号的特征信息。将信号EMD分解与IMF组合，实现基于EMD的滤波方法。通过仿真实验及真实数据分析，证明了基于EMD的滤波方法能有效的提取故障特征信息。采用Bently转子试验台作为实验系统，采集转子各种故障状态下的振动信号，利用故障特征信息提取方法对转子不平衡、不对中故障信号迸行特征提取。借助ActiveX部件与DDE技术实现MA，nAB与VB的混合编程，从而实现基于EMD的故障特征信息提取软件设计。关键词：信息提取，经验模态分解方法(EMD)，本征模函数(IMF)，延拓，滤波
    武汉理工大学硕士学位论文ABSTRA(了rFaultdiagnosisisascienceofidentilyingtherunningstateofdevicebystudyingthevaryinginformationofthedevicerunningstate．Signalprocessingisthe∞reoffaultdiagnosistechnology．IIInature．almosteverysignalisnon·stationary．Somepopularmethodshavebeenanalysis，suchastime—frequencyanalysis，Wigner-Villdistributionandwavdetanalysis，buttheyhavesomefaults．AnAmerican-ChineseN。E．Huangfirstlypotanewmethodforward一-EmpiricalModeDecomposition限MD)method．Thereisaninvolvedendissueinthecourseofgettingtwoenvelopsofthedatausingsplineinterpolation．T1lecubicsplinewillswingwidelyiftheendissueisleftunattended，anditwillaffecttheveracityoftheinstantaneouscharacters’extracting．Therearesomemethodstosolvetheproblem，theyhaveconfinedthelargeswingssuccessfully．Inthepaper,ithasbroughtcombining‘symmetricalcontinuation’with‘addingextremes’，andhasprovideditscorrectnessbymakinguseofdatum．nemethodisvalidinthefieldoffaultdiagnosischaracterextraction，bycarryingouttheimprovedempiricalmodedecompositionmethod．Then，itillustratestheeffectoftheEMD-basedfilteringtechnique．Bythesimulationandapplication，itshowsthatEMD-basodfilteringtechniqueisveryusefulinextractingfauRdiagnosischaracter．WeusefaultcharacterinformationextractionmethodstosignalprocessandextractthefeaturesoftwofaultsofBentlyrotormachine，andconcludesomeresearchresults．WithMATLABandVBmixtureprogramminglanguages，thefaultdiagnosissystemisvisual．KeyWords：informationextraction，EmpiricalModeDecomposition(EMD)，IntrinsicModeFunction(IMn，extension，filterII
    武汉理工大学硕士学位论文1．1本课题的背景意义第1章绪论随着生产和科学技术的高速发展，现代生产设备日益大型化、复杂化，设备一旦发生故障，将会对企业的经济效益、甚至人们的生命财产造成严重的影响。国内外曾经发生了不少因设备故障引发的空难、海难、断裂、倒塌、泄露等恶性事故，不仅造成了人员伤亡，而且造成了巨大的经济损失。如1972年日本关西电力公司南海电厂3号机组--'600MW汽轮发电机组因振动引起严重的断轴毁机事件；1986年4月26日，前苏联切尔诺贝利核电站发生了核泄漏事件，当场两人死亡，造成了十分严重的后果，恶劣的影响至今挥之不去。时至今日，参加救援工作的83．4万人中，己有5．5万人因此丧生，7万人成为残疾，30多万人受放射伤害死去；1988年秦岭电厂的200MW汽轮发电机组因振动引起严重的断轴毁机事故，造成了巨大的经济损失。从1998年8月到1999年5月的短短的10个月间，美国的3种运载火箭“大力神”、“雅典娜”、“德尔他”共发生了5次发射失败，自接经济损失达到30多亿美元，迫使美国航天局于1999年5月下令停止了所有的商业发射计划，美国的航天计划遭受了严重的打击。因此，为了保证设备的安全运行、消除事故，需要大力开展设备故障诊断的研究，提高故障信号的分析与处理能力。此外，对设备进行故障监测与诊断除了能消除潜在的事故，还能带来重大的经济效益。如日本资料报道，实施故障诊断后，事故率可减少75％，维修费用可降低25．50％。由此可见，设备故障诊断技术在保证设备的安全可靠运行，以及获取较大的经济效益和社会效益上，其意义是十分明显的。为使设备保持正常运行状态，就必须对设备的劣化、故障状态、故障部位及其原因有正确的了解；另一方面，传感技术、信号处理技术以及现代测试技术等相关学科的发展。为设备故障诊断提供了强大的技术支持，从而使上述需要成为可能。
    武汉理工大学硕士学位论文1．2国内外发展状况1．2．1故障诊断发展状况故障诊断技术主要包含三个方面的内容11】：故障检测、故障隔离、故障辨识。故障检测是判断系统中是否发生故障及检测出故障发生的时刻；故障隔离是在检测出故障后确定故障的位置和类型；故障辨识是指在分离出故障后确定故障大小和时变特性。根据国际故障诊断权威，德国P．M．Frank教授的观点[2j，所有系统的故障诊断方法可划分为基于数学模型方法、基于知识的方法和基于信号处理方法。所谓基于数学模型方法，是指己知诊断对象数学模型，按一定的数学方法对数学模型进行诊断处理。目前这种方法得到深入的研究，但在实际应用中，由于很难获得对象的精确数学模型，因此该方法有很大的局限性。随着人工智能及计算机技术的飞速发展，产生了基于知识故障诊断方法。此方法不需要对象的精确数学模型，而且具有“智能”特性，因此是一种很有生命力的方法。基于知识的故障诊断方法主要包括基于神经网络的方法、基于模糊逻辑的方法和各种智能控制的结合方法。神经网络技术代表了一种新的方法体“系，在非线性系统的故障诊断方面有很大的优势。它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性映射，并利用全局并行处理实现从输入空间到输出空间的非线性信息交换。对于特定问题建立适当的神经网络故障系统，可以从其输入数据(代表故障症状)直接推出输出数据(代表故障原因)，从而实现故障检测与诊断。基于模糊逻辑的方法是应用模糊逻辑对故障输出的残差进行处理，从而给出诊断结果。基于信号处理方法，是借用信号处理手段，对系统的输出在频率、幅值、相位和相关性等方面进行分析以获取系统中的故障信息。常用的有谱分析方法、相关分析方法等[3114115l。其中，小波变换是一种比较新的基于信号处理技术的故障诊断方法【3】【5】，是一种时间一一尺度分析方法，具有多分辨率分析的特点。利用连续小波变换可以检测信号的奇异性，因为噪声的小波变换的模极大值随着尺度的增大迅速衰减，而信号的小波变换的模极大值随尺度增大而增大(或由于噪声的影响而缓慢衰减)，即噪声Lipschitz指数处处都远小于零，而信号在突变点的Lipschitz指数大于零f或由于噪声的影响而等于模很小的负数1，所以可以用连续小波变换区分信号突变和噪声，同样，离散小波变换可以检测随机信号频率结构的突变。主要有两种基于小波变换的故障2
    武汉理工大学硕士学位论文诊断方法：一种是利用观测器信号的奇异性进行故障诊断；另一种是利用观测信号频率结构的变化进行故障诊断。小波变换不需要系统的数学模型，对噪声的抑制能力强，有较高的灵敏度，运算量也不大，是一种很有前途的方法。我国的故障诊断技术研究起步较晚。1986年6月，在沈阳原东北工学院(先东北大学)召开了国内第一届中国机械设备诊断技术的国际学术会议，有力地推动了我国故障诊断技术的发展。在国内，成立了专门的研究机构，如化工部振动检测中心、中国石化总公司设备状态检测中心等。由于国家的重视，在全国各高等院校、科研单位及事业单位的麸同努力下，我国的故障诊断技术得到了迅速的发展，广泛应用于机械加工、核电、航空、铁路、冶金、电力等行业，并获得了显著的经济效益和社会效益。在国外机械设备的故障诊断发展较早，美国是最早开展设备故障诊断工作的国家之一。1961年开始执行阿波罗计划后，发生了一系列由于设备故障造成的事故灾难，引起美国军方和政府有关部门的重视。1967年，在美国宇航局(NASA)的倡导下，由美国海军研究室(ONR)主持，成立了美国机械故障预防小组(MFPG)，主要从事机械故障机理、监测诊断和预测、可靠性分析等技术研究。美国诊断技术在航空、航天、军事、核能等尖端部门仍处于世界领先地位。20世纪60年代末70年代初，英国以R．A．Collacott为首的机器保健和状态监测协会(MHMG＆CMA)开始研究设备故障诊断技术。英国在摩擦磨损、汽车和飞机发电机监测和诊断方面具领先地位。日本的故障诊断技术在钢铁、石、捆、化工、铁路等部门发展很快，并在国际上占有一定的优势。1．2．2时频分析方法发展状况采用基于线性理论的时域和频域分析方法进行故障诊断过程中的特征选择和提取，是目前应用最成熟的方法，但是随着科学技术的发展及设备结构的复杂化，它的一些缺点和局限性也逐步暴露出来了。其主要问题是：当非线性的因素很大时，应用基于线性系统的故障诊断方法难以取得令人满意的效果，因而在实际应用中遇到了不可逾越的障碍。随着非线性理论、先进算法、信号处理及智能控制等技术的深入，非线性系统的故障诊断技术已有了很大的发展。目前，信号处理的方法主要有短时傅里叶变换、Wigner-Ville分布、小波交换。
    武汉理工大学硕士学位论文(1)短时傅里叶变换1946年，Gabor提出了短时傅立叶变换【6l(ShortTimeFourierTransform．SⅡ-T)的概念，用以测量声音信号的频率定位。短时傅立叶变换的基本思想是：假定非平稳信号s(t)在分析窗函数g(1)的一个短的时间间隔内是平稳(伪平稳)的，移动分析窗函数，使s(u)g(u-t)在不同的有限时间宽度内为不同的伪平稳信号，从而计算出各个不同时刻的功率谱。从本质上讲，短时Fourier变换是一种单一分辨率的信号分析方法，因为它使用了一个固定的短时窗函数g(t)。然而短时傅立叶变换是依赖传统的傅立叶谱分析，因此必须假定数据是分段平稳的。这种假设在处理非平稳数据并非总有效。即使数据是分段平稳，也很难保证窗口的尺寸和平稳时间比例相吻合。另外，实现这种方法在实践上也是有困难的。例如，对应一定的时刻，只是对其附近窗口内的信号作分析，若选择的g(t)窄(即时间分辨率高)，则频率分辨率低；而如果为了提高频率分辨率使g(1)变宽，伪平稳假设的近似程度便会变差。许多自然界的信号和人工信号，它们的谱分量变化很快和不规则，因此很难找到一个合适的短时窗函数g(t)，能够使信号在其时间宽度内或多或少满足平稳性的假定，而又不使窗宽过窄。(2)Wigner-Ville分布对任何时间序列X“)，定义其中心方差为：11ccp，t)一x(t一言f)置’O+=atr)(1-1)三二根据定义，Wigner-Ville分布171是中心协方差函数的傅立叶变换。因此Wigner-Ville分布为：V(w，t)=rC。@，t)e一7”df(1-2)■’…Wigner-Ville分布是一种基本、应用广泛的时频分布，它克服了短时傅立计分析的部分缺点，具有较高的分辨率。但这种方法的困难是一些频率范围存在负能量。尽管这个缺点可以利用Kernel算法减少，但Kernel方法是基于加窗Fourier变换，因此同样具有Fourier分析的弊端。Yen对这种方法做了扩充，他利用Wigner-Ville分布定义波包，从而把复杂数据减少为有限数量的简单成分。这种扩充被用来解决一些问题，然而对它的应用还需要一系列的判断。(3)连续小波变换80年代初，法国地球物理学家Morlet在分析地球物理信号时提出小波变换4
    武汉理工大学硕士学位论文【8l【9】。小波分析的基本思想是将频率域的表征改为另外一个域(如尺度域)，而用联合的时间和尺度平面来描述信号。小波分析实际上是一种可调窗的傅立叶谱分析。它定义为：1一●一^讳T(口，b)-÷r2h(二=扣p)出(1-3)、，a。Ⅱ式中，h(．)是满足一定条件的小波基函数(母小波)，a一0为尺度因子，b为时移因子，用不同的a和b构成下面的小波基函数：1t一^九^(f)一÷|Il(二_—二)(1-4)V口a当尺度因子a取大于1的值时，丸。(f)对应为展宽的小波，其频谱缩窄并下移；而当a值小于1时，吃。O)则成了缩窄的小波，其频谱展宽并上移。由于时移参数b与时间t自然对应，而尺度a实际上与频率对应，因此可以理解小波分析与时频分析之间的关系：时频分析中的时频平面(t，f)在小波分析中变成了时间一尺度平面(b，a)。在分析方法上小波变换和短时傅里叶变换是相似的，但与短时傅里叶变换的窗口长度固定相比，小波变换的滑移时窗不是固定的，而是随尺度因子a而变化。在时间尺度相平面的高频段，尺度因子a的值小，滑移窗的时窗宽度小，谱窗宽度大，具有高的时间分辨率和低的频率分辨率；在时间尺度相平面的低频段，尺度因子a的值较大，滑移窗的时窗宽度大，谱窗宽度小，具有低的时间分辨率和高的频率分辨率。由于小波变换的分析精度可调，使其既能对信号中的短时高频成份进行准确定位，又能对信号中的低频成分进行精确分析。小波分析出现到目前只有10多年的时间，但己被广泛应用于各个领域，如信号检测、目标识别以及去噪、边缘检测、图像压缩、时频分析等。在故障特征提取中小波变换也得到了广泛的应用。但小波分析最常用的Morlet小波由于其小波基函数的有限长度。导致了能量泄漏，这使得能量一频率一时间分布的定量分析交得困难。小波分析的另一个问题是其不具有自适应性。一旦基本小波被选定，必须用它来分析所有的待分析数据。由于常用的Morlet小波是基于傅立叶分析的，因此它也具有傅立叶分析的缺点：只能给出线性情况的物理角孚释；它可以分析出频率缓慢变化的波间频率调制，但因为基本小波是由几个波长组成的，所以不能分析出波内频率调制。(4)EMD分析方法5
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料