基于声发射和形态学方法的旋转机械早期故障诊断研究

振动检测易受噪声干扰，非平稳非线性的故障信号难以进行有效的时频特征分析，因此振动检测用于旋转机械的早期故障诊断效果很不理想。本项目基于声发射和形态学方法提出一种诊断旋转机械早期故障的新方法，该方法对于提高关键部件的早期故障诊断水平具有重要意义。首先将用于压力容器等静态结构检测的声发射技术用于旋转机械动态结构部件故障的测试，通过试验分析，研究不同工况、不同结构故障声发射信号特点和传播衰减特性，确定测试方案，分析声发射测试相比于振动测试的优势。其次，研究数学形态学分析方法对一维故障声发射信号的特征提取和故障分类，设计多尺度形态滤波器算法，构造多尺度形态非抽样小波变换，对一维信号形态谱和形态谱熵的算法描述进行理论研究，实现对不同故障类型声发射信号特征的定量描述和智能分类。本项目提出的方法不同于传统的振动测试和信号时频特征分析方法，具有诊断快速、准确的优点。

旋转机械的状态监测和故障诊断对于设备的安全运行意义重大。受机械噪声和信号传播衰减等因素的影响，通用的振动测试技术和信号处理方法对于故障特征提取效果并不理想。相比而言，声发射检测技术和形态学信号分析方法对于复杂背景下的信号拾取和信号故障特征描述具有很多独特的优点。本项目研究的主要目的是要探讨声发射技术和形态学方法在旋转设备故障诊断中的应用，着重于不同类型故障声发射信号和振动信号的特征分析。本项目基于声发射和形态学方法提出一种诊断旋转机械早期故障的新方法，该方法对于提高关键部件的早期故障诊断水平具有重要意义。首先将用于压力容器等静态结构检测的声发射技术用于旋转机械动态结构部件故障的测试，通过试验分析，研究不同工况、不同结构故障声发射信号特点和传播衰减特性，确定测试方案，分析声发射测试相比于振动测试的优势。其次，研究数学形态学分析方法对一维故障声发射信号的特征提取和故障分类，设计多尺度形态滤波器算法，构造多尺度形态非抽样小波变换，对一维信号形态谱和形态谱熵的算法描述进行理论研究，实现对不同故障类型声发射信号特征的定量描述和智能分类。综合利用阶次跟踪和Teager-Huang变换时频分析技术,进行齿轮箱起动过程轴承故障诊断。提出一种基于Teager-Huang变换的齿轮箱故障诊断方法, 有效地识别了齿轮的裂纹故障。基于双树复小波包峭度图的轴承故障诊断方法提高了齿轮箱轴承故障信号的信噪比和频带选择的正确性，而且能有效地识别轴承的故障。针对传统形态分量分析的字典选择和阈值选择的缺陷，提出基于自适应字典选择和最大均值阈值的更新策略，用于齿轮箱轴承多故障实验信号的分析，该方法不仅能将形态各异的多分量信号进行有效分离，提高了信噪比，而且提高了从强噪声环境中提取瞬态冲击特征的能力，能有效地识别轴承的故障类型和部位。理论研究和实测信号的分析表明，该项目的研究成果具有一定的理论指导意义和重要的工程应用价值。