非平穩(wěn)信號處理若干方法及其在故障診斷中的應用研究.pdf

1、本文以非平穩(wěn)信號為研究對象，探討了非平穩(wěn)信號的變參數隨機共振、經驗模式分解和周期平穩(wěn)分析、重分形等理論，對這些方法在故障診斷中的應用進行了初步探索，取得了以下主要結論： 1.為解決工程實際中常常遇到的大參數強噪聲背景下的微弱信號檢測，在深入探討了小參數隨機共振原理的基礎上，提出了變參數隨機共振的思想和實現方法，能夠從很強的噪聲中檢測微弱的有用的特征信號，用來提取機電設備微弱故障信息，具有潛在的應用價值，是微弱故障特征信息檢測的一

2、種有效方法。 2.EMD技術作為一種新的非線性非平穩(wěn)信號的分析工具，可以根據信號自身的時間特征尺度進行分解，得到若干個基本模式分量，實現信號頻帶的自適應劃分。對振動信號基本模式分量的深層次信息挖掘進行了探討，基于混合特征時間尺度提出了振動信號趨勢項提取方法，具有穩(wěn)定性和一致性好，運算速度快等特點；基于經驗模式分解自適應劃分頻帶功能提出了循環(huán)平穩(wěn)信號特征提取方法，可有效克服對復雜信號循環(huán)域解調過程中存在的交叉項頻率的干擾，將調制信

3、號的調制源和載波很好地分開。 3.分形幾何(特別是多重分形)的研究發(fā)展，為復雜機械常見故障的區(qū)分以及振動信號的分析等奠定了一定的理論基礎。提出以H(o)lder指數概念來刻劃信號函數在某點的奇異性，通過控制窗口長度S和權重遞歸系數λ兩個參數，設計并實現了H(o)lder指數的數值計算，為多重分形的信號分析提供了有效的處理方法。該方法一方面可用來表示數據的總體不規(guī)則性及其急劇的振蕩變化性，另一方面可通過時域到頻域的轉換，在頻率域中