基于概率幅值解調(diào)的機(jī)械故障診斷方法研究.pdf

1、本論文是在國(guó)家自然科學(xué)基金(51261024，51075372，51265039，50775208)，江西省教育廳科技計(jì)劃項(xiàng)目(No.GJJ12405)，機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金(No.SKLMT-KFKT-201514)、江西省教育廳科技計(jì)劃項(xiàng)目(No.GJJ12405)和廣東省數(shù)字信號(hào)與圖像處理技術(shù)重點(diǎn)實(shí)驗(yàn)室(No.2014GDDSIPL-01)資助下，基于概率幅值解調(diào)算法的獨(dú)特優(yōu)勢(shì)，將其引入到機(jī)械故障診斷中，提出了基于概率幅

2、值解調(diào)的機(jī)械故障診斷方法，并進(jìn)行了仿真和實(shí)驗(yàn)研究，取得了非常好的創(chuàng)新性成果。本文主要內(nèi)容包括以下幾個(gè)方面：
　　1.論述了概率幅值解調(diào)引入到機(jī)械故障診斷中的必要性和研究意義，綜述了機(jī)械故障診斷中的解調(diào)方法的國(guó)內(nèi)外研究現(xiàn)狀，詳細(xì)論述了概率幅值解調(diào)的基本思想，在此基礎(chǔ)上，給出了本論文的研究?jī)?nèi)容和主要?jiǎng)?chuàng)新點(diǎn)。
　　2.論述了簡(jiǎn)單概率幅值解調(diào)的原理和算法，該方法使用概率理論，將解調(diào)看成一個(gè)推理問題，利用已有的先驗(yàn)知識(shí)對(duì)不確定性問題進(jìn)

3、行推理，達(dá)到推理解調(diào)的目的。在此基礎(chǔ)上，提出了基于概率幅值解調(diào)的機(jī)械故障診斷方法，并進(jìn)行了仿真和實(shí)驗(yàn)研究。仿真結(jié)果表明，提出的方法對(duì)調(diào)幅調(diào)頻信號(hào)具有很好的處理能力，能夠有效地分解出調(diào)幅調(diào)頻信號(hào)的調(diào)制頻率。與傳統(tǒng)的希爾伯特包絡(luò)解調(diào)方法比較，提出的方法具有明顯的優(yōu)勢(shì)，提出的方法解調(diào)出來(lái)的包絡(luò)線與原信號(hào)的擬合程度明顯優(yōu)于傳統(tǒng)的希爾伯特包絡(luò)解調(diào)方法。最后，將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中，實(shí)驗(yàn)結(jié)果表明，提出的方法是有效的，能有效地提取

4、出滾動(dòng)軸承故障特征。
　　3.論述了高斯過(guò)程概率幅值解調(diào)的原理和算法，該方法是對(duì)簡(jiǎn)單概率幅值解調(diào)的拓展。首先，該方法能夠恢復(fù)調(diào)制信號(hào)缺失的部分，使用最大后驗(yàn)概率進(jìn)行推理，并使用快速傅里葉變換提高計(jì)算速度。此外，高斯過(guò)程概率幅值解調(diào)將快速傅里葉變換、最大后驗(yàn)概率和蘭索斯算法三者結(jié)合在一起推導(dǎo)出原始包絡(luò)線最大后驗(yàn)概率上的拉普拉斯近似誤差線，有效地計(jì)算最大后驗(yàn)概率。最后，該方法使用近似極大似然獲取模型中所有的自由參數(shù)。仿真結(jié)果表明，提出

5、的方法對(duì)調(diào)幅調(diào)頻信號(hào)具有很好的處理能力，能夠有效地分解出調(diào)幅調(diào)頻信號(hào)的調(diào)制頻率。最后，將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中，實(shí)驗(yàn)結(jié)果表明，提出的方法是有效的，同樣也能有效地提取出滾動(dòng)軸承故障特征。
　　4.論述了級(jí)聯(lián)解調(diào)的原理和算法，該方法以簡(jiǎn)單概率幅值解調(diào)為框架，同時(shí)在每一級(jí)的解調(diào)中使用高斯過(guò)程概率幅值解調(diào)得到各級(jí)的子包絡(luò)線。機(jī)械故障信號(hào)往往在多個(gè)時(shí)間尺度上解調(diào)，而簡(jiǎn)單概率幅值解調(diào)和高斯過(guò)程概率幅值解調(diào)只能解調(diào)包含一個(gè)時(shí)間

6、尺度的信號(hào)，而級(jí)聯(lián)解調(diào)能夠解調(diào)包含多個(gè)時(shí)間尺度的機(jī)械故障信號(hào)，因此，該方法實(shí)用性更強(qiáng)，適應(yīng)的范圍也更加廣。該方法能夠?qū)λ械淖兞孔龀龉烙?jì)，獲取解調(diào)的多個(gè)時(shí)間尺度，同時(shí)，裁剪掉最高層不必要的包絡(luò)線。和其它概率幅值解調(diào)方法不同的是，級(jí)聯(lián)解調(diào)的最終分解結(jié)果是若干個(gè)時(shí)間尺度不同的包絡(luò)線和一個(gè)快速變化的載波，其中，載波是所有分解結(jié)果中變化最快的。仿真結(jié)果表明，提出的方法對(duì)包含多個(gè)時(shí)間尺度的非平穩(wěn)信號(hào)具有很好的處理能力，能夠分解出若干個(gè)不同時(shí)間尺度

7、的子包絡(luò)線和一個(gè)載波，并裁剪掉最高層沒有意義的子包絡(luò)線。最后，將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中，實(shí)驗(yàn)結(jié)果表明，提出的方法是有效的，能有效地提取出滾動(dòng)軸承故障特征。
　　5.論述了互頻率概率幅值解調(diào)的原理和算法，該方法是對(duì)簡(jiǎn)單概率幅值解調(diào)的拓展。在已有的概率幅值解調(diào)模型中，每個(gè)濾波器的解調(diào)是相互獨(dú)立的，而機(jī)械故障信號(hào)的調(diào)制通常在不同頻率通道相關(guān)聯(lián)，該方法利用不同頻率通道之間的依存關(guān)系，在不同子頻帶的解調(diào)之間模擬依存關(guān)系，給