稀疏框架下信号瞬态成分提取及其机械故障预示研究

The mechanical fault prognosis manages to evaluate or judge the existence of slight fault, through the slight fault feature information detection, which has always been a challenging topic for mechanical fault diagnosis in recent years. When the machine suffers slight fault, weak transient components appear in the vibration signals containing strong background noise, so the extraction of the transient components becomes the key for effective fault prognosis.Transient components in signal have the feature of sparsity, and the sparse representation has the advantage of non-sensitivity to nosie and its algorithm is either convex or greedy, which ensures the extraction performance of the transient. In order to realize effective fault prognosis, this research mainly focuses on the extraction of the transients under the frame of sparsity, and verifies the effectiveness of the developed transient component extraction method through the rotating machine fault prognosis. Then the property and adaptability of the methods are investigated through simulation studies. Moreover, for different working conditions of rotating machinery including constant and variable speed, the applicability and the adaptability of the developed transient extraction methods are validated through fault prognosis of key components of machine transmission system and vehicle wheelset bearing. In conclusion, under the frame of sparsity, this research develops several transient extraction methods for the feature extractionn of transient component of rotating machine fault prognosis.

机械故障预示通过检测微弱特征实现轻微故障存在性的估计和判断，是机械故障诊断的挑战性课题。由于轻微故障的振动表现为强背景噪声下的微弱瞬态成分，瞬态成分提取是故障预示的关键；瞬态成分具有稀疏性；考虑到稀疏表示具有对噪声的不敏感性，其凸优化算法或贪婪算法可保证提取效果,本项目研究稀疏框架下微弱瞬态成分的提取方法，并通过旋转机械故障预示验证。首先，研究将稀疏表示方法分别与最小均方参数辨识、调Q小波滤波和形态成分分析、独立分量分析、匹配追踪等结合实现瞬态成分提取的优化算法，形成微弱瞬态成分提取的多种有效方法，并通过仿真实验验证瞬态成分提取方法的特点和适应性；然后，分别针对恒定转速工况和变转速工况，将瞬态成分提取方法用于机械传动系统与车辆轮对关键部件故障预示，验证瞬态成分提取对故障预示的有效性和适用性。本项目将通过基于稀疏框架下瞬态成分提取方法的研究确定多种适合旋转机械故障预示的信号特征提取方法。

本项目围绕机械故障诊断的挑战性课题：轻微故障存在性的估计和判断，展开了稀疏框架下信号瞬态成分提取及机械故障预示研究。为了验证提出的理论方法，设计、制造了轨道车辆轮对轴承故障测试、模拟平台。针对设备动态信号的稀疏表示目标函数的数据保真项、惩罚优化问题，深入地开展了稀疏表示理论研究，得出了模型参数设置的一般规律，为基于目标函数优化的稀疏表示理论在早期机械故障预示方面奠定了基础，同时提出了几类优化目标函数数据保真项与惩罚项的瞬态成分稀疏表示方法，并在轴承、齿轮早期微弱故障以及复合故障方面取了成功的应用。针对传统稀疏表示的基函数选择难的问题，提出了基于双调Q小波的稀疏诊断方法，研究了不同Q因子表示故障信号的特性，并结合形态成分分析方法提取出故障振动信号中低振荡的故障瞬态冲击成分，通过轮轨车辆轴承故障信号分析验证了该方法的有效性和优越性。针对匹配追踪稀疏表示结果过度依赖迭代次数而迭代次数往往难以有效确定，匹配追踪计算量大等问题，提出了基于均化随机正交匹配追踪的稀疏诊断方法。从概率角度出发，利用随机正交匹配追踪算法对故障信号进行稀疏表示；对多次稀疏表示系数进行融合，实现对设备故障信号稀疏表示。结合FFT快速运算特性，通过互相关运算替换匹配追踪算法中的内积运算，提高计算效率，改进MP算法够有效提取出强噪声下的弱故障瞬态成分，实现故障诊断。针对变转速机械信号稀疏表示适用性问题，研究了机械故障冲击形态与设备运行转速关联特性，分别建立了转速计与无转速计参照下的瞬态特征稀疏表示方法，利用了项目组开发的实验平台验证了提出的变转速机械信号稀疏表示方法的有效性。本项目研究内容与成果，夯实了稀疏表示在机械故障诊断领域应用的理论基础，为稀疏表示方法在实际工程设备的健康监测提供了有益的价值，项目执行期间共发表论文17篇，其中高水平SCI论文8篇，授权专利6项，培养青年教师2人，其中2人已取得高级职称，毕业研究生6人。