低速重载设备的随机共振故障诊断方法研究

【摘要】： 在现代生产制造企业中,作为生产工具的自动化设备无疑是最重要最关键的,而生产设备中很大一部分转速低、承受载荷大、间歇运动为主的低速重载设备。这类设备结构复杂,自动化水平比较高,一旦突发故障,维修困难,且维修成本很高,甚至会引起整个生产中断,造成巨大的经济损失。目前广泛采用振动监测的方法,但振动监测本身对于低频信号的不敏感性使得振动监测在低速重载设备故障检测中不是很理想,所以本文提出了并联随机共振的信号处理方法,应用于低速重载设备故障检测,研究微弱特征信号的提取和分析。 本课题主要针对并联随机共振检测技术和低速重载设备故障诊断进行研究,主要工作分为以下几个方面: (一)对随机共振的发展史,随机共振的基本理论进行了简单的介绍。随机共振其内在机理实际上是信号和噪声通过非线性系统的协同作用,一部分噪声能量被转化到信号上,产生随机共振,从而使微弱信号得到加强。研究了实际工程测量中的大参数条件下的随机共振,并采用改进的算法对于工程实际大参数信号给予求解。 (二)论文研究工作中,将相关分析引入随机共振技术。相关处理前后相比,周期信号的频率特征得到保留,相关运算还可以增加了信噪比。而随机共振将原始信号信噪比增强,提取出其中故障周期信号后,再对其做自相关处理,可以更为准确的捕捉到微弱信号特征,其频谱更为陡峭,大大降低了对于淹没在强噪声中的微弱信号的辨识难度。对仿真数据和实验台数据的分析结果证明在加入相关分析之后,有效提高了随机共振系统的输出信噪比。 (三)提出了并联随机共振信号处理方法。并分别采用互相关和自相关方法实现。并联随机共振有效增强了微弱信号的可识别性,将该方法应用于仿真数据和实际故障信号分析中,取得了良好的效果,结果证明,该方法的故障识别方面具有优越性。 (四)将近似熵的概念引入随机共振系统的分析之中,从衡量时间序列内在模式相似性的角度出发,定量描述经随机共振系统处理后的振动信号的复杂程度,仿真验证了并联随机共振方法在提高信噪比方面的优越性。