旋转机械故障诊断中的信号处理技术总结由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“旋转机械故障诊断综述”。
旋转机械故障诊断中的信号处理技术综述
摘要: 基于旋转机械在各行业的广泛应用，旋转机械的故障诊断技术也倍受重视，从传统的信号处理方法到现代的信号处理方法，旋转机械故障诊断中的信号处理技术在不断发展，不断创新。本文综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法，分析传统信号处理方法和现代信号处理方法的实际应用，并展望了未来旋转机械故障诊断领域的研究方向。关键词: 旋转机械;故障诊断;信号处理技术
1、旋转机械故障诊断的意义
随着机械设备向着高速、重载、精密方向发展，对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具备较好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。在故障诊断的发展过程中，人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取，其必须借助于信息处理，特别是现代信号处理的理论方法和技术手段，探索故障特征信息提取的途径，发展新的故障诊断理论和技术。
2、旋转机械故障诊断的传统信号处理方法
以傅里叶变换为核心的经典信号处理方法在旋转机械故障诊断中发挥了巨大的作用，这些方法包括频谱分析、阶比谱分析、相关分析、细化谱分析、时间序列分析、倒频谱分析、包络分析和全息谱等。
在基于FT 的信号分析方法中，平稳的随机信号常用其二阶统计量来表征: 时域用相关函数，频域用功率谱。功率谱实质上是一种频域的能量密度分布，因此可以把它视为频域分布，相关函数和功率谱之间也以FT作为联系的桥梁。然而，基于FT的频谱分析技术是建立在信号是平稳性的假设上的，因此具有较大的缺点: 如被分析的系统必须是线性的，信号必须是严格周期或者平稳的，否则，谱分析结果将缺乏物理意义，分析的结果只有频域信息，丧失了时域特征。而大多数旋转机械故障振动信号是非平稳和非线性信号，对这些非平稳信号，由于傅里叶变换的本质缺陷，使得提取的故障特征有缺陷，影响了故障诊断的准确性。3 旋转机械故障诊断的现代信号处理方法
3.1 高阶谱分析技术
功率谱分析的一个最大缺陷是它不包含频率成分间的相位信息，通常也无法处理非平稳和非高斯信号。而实际的振动信号大多是非平稳和非高斯信号，尤其在旋转机械系统发生故障时更是如此。其中一种非高斯性是各频率成分间的相互关联作用，产生和频与差频成分，称为信号的非线性，对应的相位关系称为二次相位耦合。对于这种非线性现象，功率谱是无能为力的。高阶谱是分析非高斯信号的主要数学工具，已被运用到旋转机械故障诊断中，其出发点和动机主要有:(1)高斯信号的高阶统计量等于零，当非高斯信号淹没在高斯白噪声中时，利用高阶统计量可以大大降低噪声的干扰。一般而言，旋转机械振动信号中的噪声可以近似地当作高斯噪声处理，因此采用高阶谱分析振动信号更容易提取故障信息;(2)从更高阶概率结构表征随机信号，弥补了二阶统计量(功率谱)不包含相位信息的缺陷，能定量地描述非线性相位耦合。对高阶谱的研究比较多，已经形成了成熟的理论。目前高阶谱已被成功地运用到滚动轴承、齿轮和转子系统的故障诊断中。
3.2 ARMA 模型的现代谱分析技术
对旋转机械故障振动信号进行频域分析，通常是采用基于傅里叶分析的经典功率谱分析方法。不同于傅里叶分析的新的谱分析方法称为“现代谱分析”。其中ARMA时序模型是应用较广的一种现代谱分析方法，它利用信号的信息对被窗函数截取的有限信号以外的信息进行预测或外推，提高了谱分析的分辨率和真实度。特别是其中的AR模型能够较好地描述信号频谱中的谱峰，得到的频谱比傅里叶频谱更平滑，具有良好的频率分辨力，从而获得了广泛的应用。在国外，这方面的研究工作一直在开展。早在1983年，Gersch采用AR模型和近邻法相结合对旋转机械故障进行分类，而国内也开展了这方面的研究工作。3.3 几何分形技术
目前在旋转机械故障诊断领域中，最成熟的方法是基于线性理论的时域和频域方法，随着现代科学技术的发展，机械设备越来越复杂化，基于线性理论的故障诊断方法的缺点和局限性也越来越突出，与非线性原理和方法相融合将是旋转机械故障诊断技术的一个重要发展方向，因此，基于现代非线性理论的故障诊断方法研究十分活跃。分形理论是非线性科学的一个重要方面，特别适合研究各种“复杂现象”，把它应用于机械故障诊断领域是近年来国际学术界的新动向。
当旋转机械发生油膜涡动、转子裂纹、转子与定子碰摩、基座松动等故障时，往往会产生混沌现象，采用几何分形方法对振动信号分析可以有效地提取各种故障特征，其中关联维数应用得最为广泛。3.4 时频分析技术
旋转机械振动信号绝大多数是非平稳、非线性的，这些非平稳和非线性的振动信号包含了丰富的故障信息。对于这些非平稳和非线性的振动信号，时频分析方法是一种有效的分析方法。在目前常用的旋转机械故障诊断方法中，由于时频分析方法能有效地分析非平稳信号因而在旋转机械故障诊断中的应用最为广泛。
时频分析法将时域和频域组合成一体，这就兼顾到非平稳信号的要求。它的主要特点在于时间和频率的局部化，通过时间轴和频率轴两个坐标组成的相平面，可以得到整体信号在局部时域内的频率组成，或者看出整体信号各个频带在局部时间上的分布和排列情况。时频分析在语音处理、地震资料分析、信号检测和数据压缩等多个领域得到了广泛应用。对于旋转机械而言，当其发生故障时的振动信号，大量是非平稳、非线性的信号，因此，时频分析方法是进行旋转机械故障特征提取的一个重要的方法和特征提取工具，并广泛应用于旋转机械故障诊断中。
信号的时频分析分为线性和二次型两种。典型的线性时频表示有: 短时Fourier变换、小波变换和Gabor变换等。在很多实际场合，还要求二次型的时频表示能够描述该信号的能量密度分布。这样一种更加严格意义下的时频表示称为信号的时频分布。而基于经验模态分解(Empirical Mode Decomposition，EMD)的时频分析方法，是一种优秀的时频信号分析方法，尤其适合于非线性、非稳态的信号序列处理。3.5 盲信号处理技术
盲信号分离是指根据观测到的混合数据确定一个变换，从而恢复原始信号或者信号源，其中术语“盲”有两重含义:(1)源信号不能观测;(2)源信号与噪声如何混合是未知的。
由于噪声信号的存在，实际观测到的信号是故障信号和噪声的混合数据，因此近几年盲信号分离技术在齿轮的故障诊断中得到了应用。
盲信号处理技术领域也有很多值得进一步研究的课题，例如当ICA和独立因子分析(Independent Component Analysis，ICA)用于盲信号分离(Blind Signal Separation，BSS)时，如何解决源信号的概率密度函数(Probability Density Function，PDF)的学习的问题;如何有效解决盲解卷(Blind Deconvolution)问题;当叠加噪声为非高斯的或脉冲噪声时，如何准确估计源信号的个数的问题;在非平稳情况下如何提高跟踪能力和如何提高解的鲁棒性等等。总结和展望
以上对信号处理技术的一些方法及其在旋转机械故障诊断中的应用进行了综述。不仅研究了传统的旋转机械故障特征提取技术中的信号的幅域分析、信号的时域分析以及以傅里叶变换(FT)为核心的经典信号处理分析方法，而且研究了旋转机械故障特征提取应用中的高阶谱分析技术、ARMA模型的现代谱分析技术、几何分形技术、时频分析技术、盲信号处理技术等几种方法的基本理论和算法以及它们在旋转机械故障特征提取中的实际运用。
虽然这些方法应用到旋转机械故障诊断的领域中，取得了一定的研究成效。但由于这些理论和方法还在不断地发展，算法也在不断地改进中，因此目前还处于一个初级的过程，为了能更好地为旋转机械故障诊断服务，今后还需要将对这些理论和算法作进一步的研究。如何把其他的和新的信号处理方法引入到旋转机械故障诊断领域中去，是今后需要大力研究的方向。由于大型旋转机械的组成、结构和运行状态等诸多方面的复杂性，从而使旋转机械表现出来的故障行为也极其复杂，因此，如何更好地综合运用这些方法，也是今后研究的重点。
发动机机械故障诊断1 国内外发动机发展现状目前国内已经能够自行设计并开发中小功率的汽油发动机和部分中速发动机。华晨汽车将自主知识产权的1.8T发动机装上了自己的汽车。......
一、生物医学信号处理绪论生物医学信号处理的对象：由生理过程自发产生的；把人体作为通道，外界施加于人体产生的电生理信号和非电生理信号。生物信号的主要特点：复杂性，随机性强，噪......
机械故障诊断技术与应用读书报告姓名：1 前言机械设备运行状态的监测与故障诊断很早就开始了。刚开始人们往往通过听觉、触觉、视觉来对机器的噪声、振动和温度等进行判断，进而......
傅里叶变换一、傅里叶变换的表述在数学上，对任意函数f(x)，可按某一点进行展开，常见的有泰勒展开和傅里叶展开。泰勒展开为各阶次幂函数的线性组合形式，本质上自变量未改变，仍为x，......
技术工作总结 我是电务段调度指挥中心TDCS调度;自1999年参加铁路工作以来，经历了几次工作变动，干过列车员，制动员、信号工，从2006年至2016年11月，我一直工作在电务段，信号工区从事......
