基于参考独立分量分析的旋转机械故障信号提取-梁晓华.docx

《基于参考独立分量分析的旋转机械故障信号提取-梁晓华.docx》由会员分享，可在线阅读，更多相关《基于参考独立分量分析的旋转机械故障信号提取-梁晓华.docx（58页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、硕士学位论文 基于参考独立分量分析的旋转机械故障 信号提取 THE EXTRACTION OF FAULT SIGNALS FOR ROTATING MACHINERY BASED ON ICA WITH REFERENCE 梁晓华 哈尔滨工业大学 2009年 12月 国内图书分类号： TP206.3 国际图书分类号： 681.5 学校代码： 10213 密级：公开 工学硕士学位论文 基于参考独立分量分析的旋转机械故障 信号提取 硕 士 研究 生 梁晓华 导 师 于刚副教授 申 请 学 位 工学硕士 学 科 机械电子工程 所 在 单 位 深圳研究生院 答 辩 日 期 2009年 12月 授 予

2、学 位单 位 哈尔滨工业大学 Classified Index: TP206.3 U.D.C: 681.5 Dissertation for the Master Degree in Engineering THE EXTRACTION OF FAULT SIGNALS FOR ROTATING MACHINERY BASED ON ICA WITH REFERENCE Candidate: Supervisor: Academic Degree Applied for: Specialty: Affiliation: Date of Defence: Degree-C onferring-I

3、nstitution: Liang Xiaohua Associate Prof. Yu Gang Master of Engineering Mechatronics Engineering Shenzhen Graduate School December, 2009 Harbin Institute of Technology 摘要 随着科学技术的发展，旋转机械正在向高速、重载和自动化方向发展，在速度、 容量、效率和安全可靠性等方面提出了越来越高的要求。在对机械系统进行状态监 测时，传感器采集到的信号中除了故障信号以外，还包括机器正常运转时各零部件 之间相互撞击产生的振动，以及周围其它机

4、器带来的噪音和干扰。为了能够做到对 系统及时、有效的监测，从混合信号中提取特定的故障振动信号就显得十分重要。 本课题以旋转机械典型故障为研究对象，引入参考独立分量分析来对故障信号 进行提取，并通过仿真分析与实验研究，最终能够实现基于参考独立分量分析的旋 转机械故障信号提取。其中对旋转机械和参考独立分量分析的分析与研究，主要包 括有： (1) 对旋转机械中典型的轴承故障和齿轮故障进行分析研究，了解了其故障 信号的时域特性和频域特性，并针对旋转机械具体的应用背景，分析了基于 ICA的 信号分离存在的局限性。 (2) 根据旋转机械振动信号的特点，对 ICA-R算法高斯性度量函数和距离评 判函数的选取

5、进行了研究，尤其对参考信号的建立方式进行深入的分析。提出了以 方波信号的形式来建立的观点，然后通过在一个周期内等间隔移动相位角的方式来 寻找参考信号与源信号的最佳匹配相位角。在此基础上研究与实现了 ICA-R算法， 并针对 ICA-R与 ICA在旋转机械故障信号提取中的实用性以及观测个数对 ICA-R 提取效果的影响，进行了仿真分析。 (3) 通过旋转机械多故障并发实验和实际轴承全生命周期实验，验证了 ICA-R 在实际旋转机械振动信号抽取中的有效性。实验表明：通过利用轴承和齿轮结 构特 性和频率特性等先验知识， ICA-R可以从混合观测信号中提取特定的故障信号。 ICA-R在振动信号提取中的

6、有效性，为工业系统的实时监控提供了一种有效方式， 使得可以利用在箱体外放置的传感器采集到的信号，来对内部关键部件进行实时监 控，从而消除事故，减少经济损失。 关键字：旋转机械；信号提取；参考独立分量分析 Abstract With the development of science and technology, rotating machinery is also developing in the direction of high-speed, overloading and automatic. This makes higher and higher requirements of

7、 the rotating machinery in the aspects of speed, capacity, efficiency, reliability, and security. Because many factors can not be avoided, they will result in the emergence of various mechanical equipment failures. Then, the intended function of machine will reduce or loss, or even cause serious and

8、 even catastrophic accidents. In order to eliminate accidents and to reduce economic losses, the condition monitoring of the operation of rotating machinery is of critical importance. In this subject, we took the typical faults of rotating machinery as the research object, and introduce independent

9、component analysis with reference to extract the fault signal. Ultimately we can achieve the blind extraction of fault signal, through several aspects of the simulation, analysis and research. The analysis and research about rotating machinery and independent component analysis with reference mainly

10、 include: (1) In order to get the time-domain characteristics and frequency domain characteristics of the vibration signal, we analysis the typical fault of rotating machinery: bearing failures and gear failure. Then, we analysis the limitations of ICA from the perspective of rotating machinery appl

11、ication. (2) According to the specific characteristics of vibration signals, we explore the found means of reference signal. Then, we analysis the requirements of ICA-R about the number of observations, as well as the effectiveness the extraction from multiple faults in rotating machinery by the ana

12、lysis of simulation experiment. (3) Through the simulated typical faults of rotating machinery on rotor-test-rig and the actual bearing full life cycle of an experiment, we test the application of ICA-R in the actual fault signal extraction. The results show that: under the condition of unknown numb

13、er of sources and unknown mixed-mode, ICA-R can achieve the extraction of a specific blind signal extraction by using a priori knowledge of structural characteristics and frequency characteristics of bearings and gears. Keywords: rotating machine, signal extraction, ICA with reference 目录 摘要 . I Abst

14、ract . II 第 1章绪论 . i i.i课题研究的背景 . i 1.2课题研究的目的和意义 . 2 1.3国内外相关技术的研究现状 . 2 1.3.1机械故障分析技术的发展 . 2 1.3.2 ICA的研究现状 . 3 1.4主要研究内容 . 4 第 2章旋转机械振动信号的 ICA分离 . 5 2.1引言 . 5 2.2旋转机械故障特性分析 . 6 2.2.1轴承故障特性 . 6 2.2.2齿轮故障特征 . 8 2.2.3其他类型故障特性 . 9 2.3振动信号的 ICA分离 . 9 2.3.1振动信号的统计独立性 . 10 2.3.2独立性的度量 . 11 2.4局限性 . 15 2

15、.5本章小结 . 16 第 3 章基于 ICA-R的故障信号提取 . 17 3.1引言 . 17 3.2基于 ICA-R的故障提取 . 17 3.2.1参考信号的建立 . 17 3.2.2 ICA-R 算法 . 20 3.3仿真实验 . 21 3.3.1机械故障信号仿真实验 . 21 3.3.2观测个数的影响 . 25 3.3.3与 ICA分离效果的对比 . 27 3.4本章小结 . 28 第 4 章基于 ICA-R的多故障信号提取模拟实验 . 29 4.1引言 . 29 4.2旋转机械典型多故障并发实验 . 29 4.2.1转子试验台 . 29 4.2.2基于 Labview数据采集系统 .

16、 32 4.2.3实验数据分析 . 33 4.3本章小结 . 36 第 5 章基于 ICA-R的轴承早期故障提取 . 37 5.1引言 . 37 5.2轴承故障试验 . 37 5.3实验数据分析 . 37 5.4本章小结 . 44 结论 . 45 参考文献 . 46 哈尔滨工业大学硕士学位论文原创性声明 . 50 哈尔滨工业大学硕士学位论文使用授权书 . 50 致谢 . 51 第 1章绪论 1.1课题研究 的背景 旋转机械是工业部门应用最为广泛的一类机械设备，例如汽轮机、压缩机、 风机、轧机、机床等诸多机械都属于这一类。转子 -轴承系统作为旋转机械的核 心部件，在电力、资源、交通、石油化工以及

17、国防等领域中发挥着无可替代的 作用，对这些设备开展性能监测与故障诊断工作，具有重要的意义 1。而现实 生活和工业生产中恶性事故时有发生，如汽轮机转子事故、透平机事故、水轮 机事故，以及哥伦比亚号航天飞机失事和三峡塔带机断裂事故等 2。机械设备 故障往往会引起突发性、灾难性后果，给国民经济和人民生活带来巨大的损失 和不便 3。 机械故障诊断是指在一定的工作环境下，根据机械设备运行过程中产生的 各种信息判别机械设备是正常运行还是发生了异常现象，并判定产生故障的原 因和部位。对关键设备进行状态监测和故障诊断可以提高设备的可靠性，实现 由 “ 事后维修 ” 到“ 预知维修 ” 的转变 4，提高企业和设

18、备的管理水平，保证 产品的质量，避免重大事故的发生，降低事故危害性，并为改进设计积累经验， 从而获得潜在的巨大经济效益和社会效益。 当设备出现故障时，系统的状态会发生变化，这些变化通常可以从设备上 所测到的时间序列上反映出来 1-3。 但在多数的情况下，由于故障所引起的时间 序列的微弱变化被淹没在强背景信号中，尤其是在设备出现早期故障时，这种微 弱的变化很难被识别出来。故障特征提取是对时间序列进行处理的过程，其目 的是去掉原始时间序列中的噪声和强背景信号 5，强化和提取故障特征信息，如 何从强背景信号中提取有用的弱故障特征信号是当前设备故障诊断领域的一个 重要研究方向。 故障诊断涵盖故障机理、

19、状态监测、诊断和预报等诸多研究内客，是一门 涉及数学、物理、化学、力学等基础科学理论以及电子技术、传感及检测技术、 计算机技术、信号处理、人工智能 等现代科学技术的新兴交义学科 6。因此， 故障诊断理论的发展与技术的进步总是与各相关学科基础理论与方法的研究进 展密不可分。盲源分离（ blind signal separation, BSS)是一种信号处理的方法 7， 根据源信号的统计特性，仅由观测的混合信号恢复出未知原始源信号，是人工 神经网络、统计信号处理及信息理论相结合而产生的方法，近年来已成为信号 处理领域一个引人注目的热点问题。它是法国学者 J. Herault和 C. Jutten在

20、 1983 年提出的 8，具有稳定的理论基础，最初用于解决 “ 鸡尾酒会 ” 问题 9。 盲信号处理在无线通信、雷达、图像、语音、医学以及地震信号处理等领 域，都具有良好的应用前景 10-14，在状态监测与故障诊断领域的应用也越来越 受到人们的重视。机械设备的振动信号是故障特征识别与诊断的重要信息来源， 检测的振动信号往往由若干个源信号混叠在一起，给特征识别与诊断带来了困 难。源信号提取技术为振动信号的处理、故障特征的识别提供了方法。 1.2课题研究的目的和意义 旋转机械的主要功能是由旋转部件来完成的，转子是其最主要的部件。旋 转机械发生故障的主要特征是机器伴有异常的振动和噪声，其振动信号从时

21、域 和频域反映了机器的故障信息 15。因此，了解旋转机械在故障状态下的振动机 理，对于监测机器的运行状态和提高诊断故障的准确率都非常重要。利用振动 检测系统可及时发现和识别这些异常振动现象，通过振动发展趋势观察分析， 控制或减少振动，避免发生重大事故。 参考独立分量分析 16是在 ICA的基础上发展而来，目前已应用于生物医疗 信号、语音去噪等领域 17-19。本文分析了旋转机械故障信号振动特性，目标是 寻找某种先验知识，将其应用于参考独立分量分析的算法当中，从而能够从多 故障混合信号中提取特定故障的特征信号，为后期的状态监控、故障诊断和维 修提供系统状态变化的可靠信息。 1.3国内外相关技术的

22、研究现状 1.3.1机械故障分析技术的发展 一般而言，旋转机械故障诊断有三个步骤： (1) 故障信号的获取，即通过传感器采集同时包含故障特征信号和噪声信 号在内的数据，这是诊断的基础。然而由于机械结构的复杂性，传感器所采集 到的数据信号，往往是通过了一系列的传输路径，不光是振动源之间会相互干 扰，而且会加上传输通道对信号有一定的影响 20，所以传感器得到的信号往往 是各种信号混叠后的信号。 (2) 故障特征的提取，即通过对传感器采集到的原始信号的分析、处理后 提取故障特征信息，为模式识别和故障诊断服务。故障特征提取的主要任务就 是将初始模式向量进行维数压缩，去掉初始模式中的噪声和冗余信息 21

23、，融合 来自各个信道的故障信息，强化和提取故障信息，形成待检模式。 (3) 最后是模式识别和故障诊断，并根据诊断结果来采取相应的故障解决 措施。 因而可以看出，准确提取故障信 号的特征是故障诊断的关键。在旋转机械 方面，故障特征信息的提取是当前旋转机械故障诊断研究中的瓶颈，它直接关 系到旋转机械故障诊断的准确性。为了从根本上解决旋转机械故障特征信息提 取这个关键问题，人们借助信号处理的方法来对信号进行处理以提取旋转机械 信号故障特征。 传统旋转机械故障特征提取技术有多种，如 :Fourier谱分析技术、时间序列 分析技术、相干检波技术、倒频谱技术等，这些技术本质上属于单通道的数据 采集和分析，

24、在对某些简单机械设备或简单故障的特征提取时，发挥了一定的 作用。但是，随着现代机械设备日趋 大型化、高速化、复杂化及精密化，对故 障特征的提取有了更高的要求。例如，对于复杂设备，由于结构的限制，传感 器的允许安放位置可能并不是最佳位置。这样，测量到的信号仅仅是原始振动 信号在一个方向上的投影 22，在这种情况下，利用传统技术仅对一路传感器信 号进行分析，可能会使得故障特征信息部分或者完全丢失，因此有必要对多通 道的数据进行分析和研究。 如果对信号的混合过程以及传输通道的传输特性有较为明确和丰富的先验 知识的话，利用建立数学模型求解逆系统的方法可以较好的恢复源信号。但实 际当中经常出现以下情况：

25、机 器结构的复杂性造成系统的难辨识，及系统传递 函数的变异性导致对每一台机器都要分别辨识其传递函数 23，这并非是一件简 单而轻松的工作。而且，机器在不同运行状态下 (特别是有故障发生时），传递 函数往往会发生变化。所有这些，都使传统的特征提取技术显得不足。 若能充分利用从传感器采集到的多路信号，通过一定的方法恢复或估计源 信号，并将各个源信号加以分离或提取，再对感兴趣的信号单独进行分析，这 对准确的诊断故障有重大意义，这些正是 ICA能够做到的。 1.3.2 ICA的研究现状 ICA是 20世纪 90年代后期发展起来的一种信号处理方法 24，它是在源信 号和传输通道参数未知的情况下，根据输入源信号的统计特性，把源信号分解 成若干个相互独立成分的过程。将 ICA理论应用到机械故障诊断中，用于多组 测量的振动信号分离，是设备状态监测与故障诊断技术的一条新途径 25。 近几十年来， ICA技术已经在一些相关的领域中得到广泛应用，已经成功 应用于诸如通讯、语音与图像处理、生物医学、地震信号处理甚至金融数据分