非平稳信号特征提取理论研究及其在往复式压缩机故障诊断中的应用

振动信号是最能表达压缩机运行状态的参数。往复式压缩机振动信号是非平稳信号,如何对这类非平稳信号进行有效的分析,是往复式压缩机故障诊断的关键问题之一。本文研究了基于非平稳信号特征提取的故障诊断方法,且将其应用于往复式压缩机故障诊断中。论文的主要工作和贡献有下面几点: 1)高分辨率追踪(HRP)是一种新的自适应信号处理方法,是匹配追踪分解方法的改进。与高分辨率追踪相比,匹配追踪和基追踪不能够描述稀疏的和物理可分解的信号。高分辨率追踪克服了传统匹配追踪和基追踪的这些缺点,提出一种更加精确的相似性度量方法,能够更精确的描述信号。基于高分辨率追踪,结合小波变换的多分辨率特性,本文首次建立了小波高分辨率追踪故障诊断模型,选择B-样条小波作为基函数。并且将该模型应用于往复式压缩机的气阀故障诊断之中,小波高分辨率追踪故障诊断模型不仅能够分离气阀故障时的冲击响应在时域的范围,而且能够揭示其在频域的范围。 2)就非平稳信号处理而言,Wigner-Ville分布具有许多有用的特性,但是交差干扰项的存在,影响了Wigner-Ville分布的应用。本文引入一种新的Wigner-Ville分布模型,即增强Wigner-Ville分布,增强Wigner-Ville分布(EWVD)是由系统的输入函数和脉冲响应函数的WVD变换的基础上卷积积分得出的。这种新的Wigner-Ville分布改进了WVD的分解方法,能够使得振荡和交叉干扰项变小。将该模型应用于往复式压缩机噪声和振动信号分析中。应用振动信号对机械系统进行故障诊断已不鲜见,但是应用噪声信号进行故障诊断却很少见,将噪声信号应用于故障诊断的瓶颈就是如何有效的分离故障噪声和背景噪声进行了有效的分离。本文应用增强Wigner-Ville分布首先对背景噪声进行特征提取,然后对发生噪声时的噪声和背景噪声进行有效的分离。另外,应用增强Wigner-Ville分布分析了压缩机振动信号在时频域的能量分布,以此来判断压缩机的运行状态。研究表明增强Wigner-Ville分布能够精确的描述压缩机在正常和故障时候的噪声和振动信号在时频域的分布特征,是压缩机故障诊断的有效方法。　 3)故障预后是指当一个机器或者构件的临界故障条件确定以后,一个带有故障的机器或者构件还能运转多久。在现代工业生产中,人们需要确定机器以及生产系统的有效使用寿命和临界寿命。该项工作包括以下三个主要方面:第一,对机器进行故障诊断;第二,预测一个机器或者构件的有效使用寿命;第三,根据以上两点确定对其进行维护的日程表,使其有效使用寿命达到最大。而故障预后则是其中最关键的部分。本章试图用基函数神经网络算法来解决这个问题。建立了小波基函数神经网络故障预后模型,高斯基函数和Marr小波函数作为尺度函数,基函数中心的计算用二进展开函数和k次聚类函数。并且将该模型应用于往复式压缩机活塞-气缸间隙预测中。