機械故障診斷中的現(xiàn)代信號處理方法

前言

　　一些大型裝備和大型旋轉(zhuǎn)機械，如發(fā)電機組、航空發(fā)動機、高速列車等，其運行狀況直接關(guān)系著國民經(jīng)濟的正常運作和穩(wěn)定發(fā)展。對這些機械裝備實施狀態(tài)監(jiān)測和故障診斷技術(shù)，使其安全可靠地以最優(yōu)狀態(tài)運行并避免事故的發(fā)生，具有重要的意義，這也一直是學(xué)術(shù)界和工業(yè)界共同關(guān)注的課題。機械設(shè)備故障診斷技術(shù)一直是機械工程研究領(lǐng)域的一個主要方向，國家高技術(shù)研究發(fā)展計劃f863計劃）的先進制造技術(shù)領(lǐng)域近年來把“重大產(chǎn)品和重大設(shè)施壽命與預(yù)測技術(shù)”列為優(yōu)先發(fā)展的四大專題之一，其中就包括了“系統(tǒng)故障診斷與維修優(yōu)化技術(shù)”。隨著現(xiàn)代工業(yè)科技的迅速發(fā)展和自動化程度的提高，機電設(shè)備正朝著大型化、高速化、集成化的方向發(fā)展，大型復(fù)雜機電設(shè)備的安全和可靠運行越來越被人們所關(guān)注。然而，由于工作環(huán)境、使用壽命的限制，大型復(fù)雜機電設(shè)備中某些部件難免出現(xiàn)一些故障，這些故障常常表現(xiàn)為強烈的非線性、非Gauss性和非平穩(wěn)性。另外，在機械發(fā)生故障時，還會出現(xiàn)多種故障并發(fā)的情形，復(fù)合故障與其中單個故障雖然有所聯(lián)系，但振動的各種表現(xiàn)是不一樣的，復(fù)合故障并不是單個故障簡單的疊加，故障之間是互相影響的，從而產(chǎn)生更豐富的振動形態(tài)，使得監(jiān)測診斷問題日趨復(fù)雜和困難。如何從復(fù)雜的機械動態(tài)信號中提取到有效的故障特征信息是解決大型復(fù)雜機電設(shè)備監(jiān)測與診斷問題的關(guān)鍵?！　鹘y(tǒng)的信號處理方法以信號的平穩(wěn)性為前提，只能從時域或者頻域中反映信號的特性，無法同時兼顧信號在時域和頻域的局部化特征和全貌。這樣，傳統(tǒng)的信號處理方法無法對復(fù)雜機電設(shè)備信號表現(xiàn)的非線性、非平穩(wěn)性進行有效地分析和處理。對于多故障并發(fā)和強干擾下的弱信號提取，傳統(tǒng)方法更加無能為力。因此，迫切需要尋求機械設(shè)備非平穩(wěn)信號處理的方法，而現(xiàn)代信號處理技術(shù)的發(fā)展為非線性、非Gauss、非平穩(wěn)信號的分析提供了可能。各種現(xiàn)代信號處理方法都有自己的獨特的特點。短時Fourier變換時頻分辨率低，但無交叉項干擾。Wigner分布不僅有很高的時頻分辨率，而且還有一系列好的性質(zhì)，如不論是實信號還是復(fù)信號，其Wigner分布都是實函數(shù)；Wigner?分布在時頻平面上的積分等于信號的總能量，具有時移不變性和頻移不變性等特點；但對于多分量信號，Wigner分布會產(chǎn)生嚴(yán)重的交叉干擾，產(chǎn)生虛假的頻率成分。小波變換具有很好的時頻局部化特性，是處理非平穩(wěn)信號的有力工具。

內(nèi)容概要

　　《機械故障診斷中的現(xiàn)代信號處理方法》在簡要介紹Fourier變換與短時Fourier變換等常用信號處理方法的基礎(chǔ)上，深入系統(tǒng)地闡述了針對非線性、非平穩(wěn)信號的新信號處理方法，既包括已經(jīng)做了大量研究的Wigner-ViUe分布、小波變換、Hilbert-Huang變換、高源分離技術(shù)等內(nèi)容，也包括了一些近年來引起人們關(guān)注的線性調(diào)頻小波變換、信號的原子分解等。《機械故障診斷中的現(xiàn)代信號處理方法》不僅介紹了系統(tǒng)性的理論，也給出了很多工程應(yīng)用的實例，便于讀者深入理解書中的內(nèi)容?！　　稒C械故障診斷中的現(xiàn)代信號處理方法》可供從事機械設(shè)備狀態(tài)監(jiān)測與故障診斷、設(shè)備管理與維護的廣大科技人員使用，也可作為高等院校機械、能源、動力等專業(yè)的高年級學(xué)生、研究生的教材或參考書。

作者簡介

　　褚福磊，清華大學(xué)教授，博士生導(dǎo)師。1982年畢業(yè)于江西冶金學(xué)院機械系，在天津大學(xué)獲碩士學(xué)位，在英國南安普敦大學(xué)獲博士學(xué)位，2000年起在清華大學(xué)精密儀器與機械學(xué)系任教授?，F(xiàn)擔(dān)任中國振動工程學(xué)會轉(zhuǎn)子動力學(xué)專業(yè)委員會主任委員、故障診斷專業(yè)委員會副主任委員等，并擔(dān)任《振動工程學(xué)報》等刊物的編委。長期從事機械動力學(xué)和機械故障診斷技術(shù)的教學(xué)科研工作。主要研究領(lǐng)域：旋轉(zhuǎn)機械動力學(xué)、機械故障診斷技術(shù)。在所從事的研究領(lǐng)域已發(fā)表學(xué)術(shù)論文200多篇，其中80多篇被SCI收錄，160多篇被EI收錄。獲國家自然科學(xué)二等獎1項，獲省部級科技獎勵共5項；入選教育部“跨世紀(jì)優(yōu)秀人才培養(yǎng)計劃”，獲國家杰出青年科學(xué)基金，享受國務(wù)院政府特殊津貼?！　∨碇究?，上海交通大學(xué)機械與動力工程學(xué)院研究員。1993年開始在清華大學(xué)精密儀器與機械學(xué)系就讀，分別獲學(xué)士學(xué)位（1998）和博士學(xué)位（2002）。國際振動與噪聲學(xué)會會員。2003～2009年，先后在香港城市大學(xué)、英國Cranfield大學(xué)、Sheffield大學(xué)和Loughborough大學(xué)從事科學(xué)研究工作。主要研究領(lǐng)域：機械設(shè)備故障診斷、振動信號分析和非線性振動理論。發(fā)表學(xué)術(shù)論文50余篇，其中30余篇被SCI收錄。獲省部級科技獎勵一項?！　●T志鵬，北京科技大學(xué)副教授。1997年7月畢業(yè)于吉林工業(yè)大學(xué)汽車工程專業(yè)，獲學(xué)士學(xué)位；2003年7月畢業(yè)于大連理工大學(xué)動力機械及工程專業(yè)，獲博士學(xué)位。2003～2005年，在清華大學(xué)精密儀器與機械學(xué)系從事博士后研究；2006～2007年，在加拿大Arberta大學(xué)機械工程系從事博士后研究。主要研究領(lǐng)域：機械設(shè)備監(jiān)測診斷、信號處理、人工智能、機械動力學(xué)。以第一作者身份發(fā)表學(xué)術(shù)論文30余篇，其中SCI或EI收錄20余篇?！　±钪巨r(nóng)，鄭州大學(xué)教授，研究生導(dǎo)師。浙江大學(xué)博士，清華大學(xué)博士后，河南省教育廳學(xué)術(shù)技術(shù)帶頭人，《振動與沖擊》雜志編委。長期從事機械故障診斷、機械控制工程課程教學(xué)和相關(guān)的研究工作。主要研究領(lǐng)域：智能檢測與信號處理、機械設(shè)備狀態(tài)監(jiān)測與故障診斷。主編教材一部，發(fā)表學(xué)術(shù)論文90篇，其中38篇被SCI或EI檢索收錄。

書籍目錄

前言第一章 短時Fourier變換1.1 Fourier變換1.2 短時Fourier變換1.3 時頻分辨率及不確定原理參考文獻第二章 Wigner-Ville分布2.1 基本定義及計算2.2 基本性質(zhì)2.3 交叉干擾項及其抑制參考文獻第三章 小波變換3.1 小波變換簡史3.2 連續(xù)小波變換3.3 基于小波變換的譜分析3.4 重分配尺度譜3.5 應(yīng)用實例：轉(zhuǎn)子碰摩信號分析3.6 基于小波變換的振動信號奇異性分析及其應(yīng)用參考文獻第四章 線性調(diào)頻小波變換4.1 線性調(diào)頻小波4.2 線性調(diào)頻小波變換4.3 自適應(yīng)線性調(diào)頻小波分解4.4 自適應(yīng)線性調(diào)頻小波譜圖4.5 Gauss線性調(diào)頻小波4.6 多尺度Gauss線性調(diào)頻小波字典4.7 改進的自適應(yīng)線性調(diào)頻小波譜圖4.8 基于自適應(yīng)線性調(diào)頻小波分解的時頻分析程序?qū)崿F(xiàn)及算例4.9 非線性調(diào)頻小波變換4.10 旋轉(zhuǎn)機械起停機過程振動信號分析參考文獻第五章 Hilbert-Huang變換5.1 Hilbert變換和瞬時頻率5.2 本征模函數(shù)5.3 經(jīng)驗?zāi)Ｊ椒纸猓‥MD）方法5.4 本征模分量的選擇5.5 基于經(jīng)驗?zāi)Ｊ椒纸獾腍ilbert譜5.6 應(yīng)用實例參考文獻第六章 信號的原子分解方法6.1 原子分解6.2 框架分解6.3 最佳正交基6.4 匹配追蹤6.5 基追蹤6.6 滾動軸承振動信號分析6.7 齒輪振動信號分析參考文獻第七章 機械故障診斷中的盲源分離技術(shù)7.1 盲源分離問題的提出7.2 盲源分離的基本理論7.3 盲源分離算法7.4 噪聲環(huán)境下機械故障源的盲分離7.5 基于時頻分析的機械故障源的盲分離7.6 基于ICA的特征提取的HMM故障識別參考文獻

章節(jié)摘錄

　　作為一種典型的旋轉(zhuǎn)機械，在機組的起動和停機過程中，水輪發(fā)電機組的轉(zhuǎn)子振動與機組的轉(zhuǎn)速變化密切相關(guān)，具有頻率調(diào)制特征。通常，轉(zhuǎn)子的振動響應(yīng)主要由旋轉(zhuǎn)頻率及其倍頻和分?jǐn)?shù)倍頻等頻率成分組成，在起停機或升降速過程中，這些頻率成分將跟隨轉(zhuǎn)子轉(zhuǎn)速變化，因此，頻率調(diào)制現(xiàn)象將主導(dǎo)轉(zhuǎn)子的瞬態(tài)振動。在轉(zhuǎn)子的振動響應(yīng)中，還可能出現(xiàn)簡諧振動和雙面指數(shù)衰減振動現(xiàn)象，這些振動的時域波形都是Gauss線性調(diào)頻小波函數(shù)的特殊形式。當(dāng)時間長度d足夠大，且線性調(diào)頻率c=0時，Gauss線性調(diào)頻小波函數(shù)退化為簡稱三角函數(shù)；當(dāng)時間長度d≠0，且線性調(diào)頻率c=0時，Gauss線性調(diào)頻小波函數(shù)演變?yōu)殡p面指數(shù)衰減函數(shù)。因此，Gauss線性調(diào)頻小波在匹配分析轉(zhuǎn)子振動信號結(jié)構(gòu)特征方面是完備的，能夠有效提取信號的各種時頻特征?！　¤b于Gauss線性調(diào)頻小波在匹配分析轉(zhuǎn)子振動信號結(jié)構(gòu)特征方面的完備性，應(yīng)用基于自適應(yīng)Gauss線性調(diào)頻小波分解的時頻分析方法對水輪發(fā)電機組起動和停機過程中的主軸擺度現(xiàn)場測試信號進行了分析，提取了機組軸系振動的時變特征及其相對運行參數(shù)的變化規(guī)律，并與自適應(yīng)Gabor分解的結(jié)果進行了對比。

編輯推薦

　　本書在簡要介紹Fourier變換與短時Fourier變換等常用信號處理方法的基礎(chǔ)上，深入系統(tǒng)地闡述了針對非線性、非平穩(wěn)信號的新信號處理方法。本書的每一章都是針對一種現(xiàn)代信號處理方法在機械故障診斷中的應(yīng)用，既有原理、算法及性質(zhì)的論述，也有計算機仿真和工程應(yīng)用。便于加深讀者對每一種現(xiàn)代信號處理方法的理解。本書可供從事機械設(shè)備狀態(tài)監(jiān)測與故障診斷、設(shè)備管理與維護的廣大科技人員使用，也可作為高等院校機械、能源、動力等專業(yè)的高年級學(xué)生、研究生的教材或參考書。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    機械故障診斷中的現(xiàn)代信號處理方法 PDF格式下載

---