局部波动特征分解(LOD)方法及其在机械故障诊断中的应用研究

A new self-adaptive time-frequency analysis method named local oscillatory-characteristic decomposition (LOD) is proposed. This method is based on local oscillatory characteristics of signal itself, and it uses the operations including differential, coordinates domain transform and piecewise linear transform to decompose the signal into a series of mono-oscillation components (MOC) which instantaneous frequency has the physical meanings. Each of MOC represents a oscillatory characteristics of original signal, and thus reflects the intrinsic characteristics of original signal, so the LOD method is especially suitable for processing the mechanical fault vibration signals which have the characteristics of non-stationary and nonlinearity. Nevertheless, the LOD method has some theoretical problems need to study and perfect, therefore, this project intends to study and perfect some theoretical problems of the LOD method, and studies the application of this method in machinery fault characteristics extraction, thus solves the problem of extracting the fault characteristics from vibration signals of rolling bearing, gear and rotor system by LOD method, and based on this, a machinery fault diagnosis method based on LOD will be established.

提出了一种新的自适应时频分析方法- - 局部波动特征分解（Local oscillatory-characteristic decomposition，LOD）方法，该方法以信号本身的局部波动特征为基础，并采用微分、坐标域变换、分段线性变换等运算手段将信号分解为一系列瞬时频率具有物理意义的单一波动分量（Mono-oscillation component，MOC）。每一个MOC分量都代表了原始信号的一种波动特征，从而能反映原信号的本质特征，所以LOD方法特别适合处理具有非平稳和非线性特性的机械故障振动信号。然而，LOD方法还有理论问题需要研究与完善，因此，本项目拟对LOD方法的若干理论问题进行研究与完善，并对该方法在机械故障特征提取中的应用进行研究，研究解决用LOD方法提取滚动轴承、齿轮和转子系统各类振动信号故障特征问题，在此基础上建立一套基于LOD的机械故障诊断方法。

故障特征提取是机械故障诊断技术的核心关键内容，而包含故障特征信息的振动信号往往呈现非平稳、非线性和低信噪比的特点，从而造成故障特征信息提取困难。在这样一种背景下，项目进行了相关的探索，提出了一种新的自适应时频分析方法——局部波动特征分解（Local oscillatory-characteristic decomposition，LOD）方法，并将其应用于机械故障特征的提取，为机械故障诊断提供一条新的途径。项目完成了两个方面的研究工作，一方面，是对局部波动特征分解方法的理论进行了研究，另一方面，是对基于局部波动特征分解的机械故障诊断方法进行了研究。主要研究内容包括：. （1）对LOD方法的算法进行了研究，并编制软件实现了算法。（2）将LOD方法与经验模态分解（Empirical mode decomposition，EMD）、局部均值分解（Local mean decomposition，LMD）等其它自适应时频分析方法进行了对比研究，分析出了LOD的优势。（3）对LOD方法的滤波特性进行了研究，得到了LOD的滤波器组结构。（4）研究了LOD方法的模态混淆问题，并提出将白噪声引入LOD方法，来解决LOD方法的模态混淆问题。（5）对LOD方法的分解能力进行了研究，初步得出了LOD方法的分解范围。（6）提出了基于LOD的Hilbert包络谱分析方法，并将其应用于齿轮和滚动轴承故障振动信号的分析。（7）提出了基于噪声辅助分析的LOD方法，并将其应用于转子系统局部碰摩故障的分析。（8）在建立了带齿根裂纹的齿轮系统动力学模型，并获得不同裂纹程度下的动力学响应的基础上，将基于噪声辅助分析的LOD方法和支持向量回归机相结合应用于齿轮齿根裂纹故障的定量诊断。. 通过对仿真信号和实际信号的分析，表明了LOD方法以及提出的基于LOD的故障诊断方法的有效性。相比于EMD和LMD等自适应时频分析方法，LOD具有计算效率高、分解时间短以及端点效应不明显的优点，而将LOD和其它数学方法相结合得到的机械故障诊断方法，可以清晰、准确地提取出诊断对象的故障特征信息，实现有效的故障诊断。项目的实施，对非平稳信号分析理论的丰富和机械故障诊断技术的发展具有一定的意义。