变工况下旋转设备轻微故障特征的增强检测与诊断方法研究

变工况下旋转设备的轻微故障引起瞬态、微弱、非周期的振动，特征检测与提取的难度大。针对变工况下旋转设备轻微故障，在对包含故障特征的振动信号进行时频分布表示的基础上，本研究提出通过时频分布的图像融合、等角度重采样和周期瞬态特征的增强检测进行故障诊断。研究内容：①对同一信号进行具有不同分辨率和交叉项的两种时频分布表示，在此基础上研究以提高分辨率和减少交叉项为目的的图像融合算法，获得故障特征的时频分布估计；②结合转速信号，研究故障特征的时频分布估计的等角度重采样算法，以获得故障特征的等角度时频分布估计；③研究基于等角度时频分布估计的故障特征的增强与检测算法，获得故障特征在时频平面上显著的表示；④研究上述方法对变工况下齿轮和轴承等旋转设备零件的轻微故障诊断的有效性和适用性。.本研究确立一种有效的变工况下设备轻微故障特征的检测方法，为变工况下旋转设备的轻微故障诊断提供切实可行的方法。

针对变转速下旋转机械瞬态特征表示与提取的问题提出了基于时频特征融合的时频特征表示方法、时频特征重采样方法、周期特征的极坐标同步增强检测方法和变转速下瞬态特征的自动检测方法。. 针对线性时频分析没有交叉项但聚集性差，双线性时频分析聚集性好但存在交叉项的不足，提出了一种基于线性时频分析和双线性时频分析融合的策略，对时频特征融合，得到了一种新的时频特征表征方法。. 对于变转速下振动信号的处理，阶比分析是一种非常有效的手段，对时域信号重采样使其在阶域上满足傅里叶分析的要求。由于旋转部件局部故障引起的瞬态成分在高频处趋向于振荡阻尼振动，对瞬态成分重采样会不可避免的引起失真。考虑到瞬态成分在时频域上是能量分布，不存在明显的振荡，因此提出了时频特征重采样方法，其本质是将对信号时域上的重采样扩展到时频域上对时频特征值的重采样，可以将非等周期的时频特征转化成等周期的时频特征。. 对于变转速下的局部故障，通常会存在某一瞬态角度特征周期，而且通过时频特征重采样，瞬态特征将会等周期的表示在角度频率域，然而，这仍然很难获得角频域上的角度特征周期和故障类型之间的关系。本项目提出了周期特征的极坐标同步增强检测方法。将时频特征重采样和周期特征的极坐标同步增强应用到轴承的外圈、内圈和滚动体三种典型故障中，可以根据极坐标上的特征分布有效的识别故障类型。. 针对变转速下机械设备故障诊断问题，提出了一种变转速下旋转机械瞬态特征的自动检测方法，是对时频特征融合策略、时频特征重采样和周期特征的极坐标同步增强的结合。仿真信号以及轴承实测振动信号的应用验证了该方法的有效性和适用性。. 在以上研究的基础上，主要取得的成果：. （1）论文专利成果：发表了2篇SCI检索论文（其中一篇为JCR二区），12篇EI检索论文，4篇ISTP检索论文。申报发明专利5项，其中3项获授权。. （2）人才培养成果：培养已毕业硕士研究生3名，在读1名。其中一名硕士研究生获苏州大学优秀硕士学位论文和江苏省优秀硕士学位论文。培养青年教师1名。. （3）学术交流：参加国际国内学术会议四次，并发表三篇论文。