收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于声场空间分布特征的机械故障诊断方法及其应用研究

鲁文波  
【摘要】:现代工业的发展使得机械设备的状态监测与故障诊断越来越受到重视,传统的故障诊断技术面临着新的挑战。目前故障诊断主要基于振动信号的测试与分析,但振动传感器在某些设备上或工况环境中安装不便,使得振动故障诊断方法的应用受到限制。结构振动与辐射噪声有着紧密联系,机械噪声蕴含着丰富的机械状态信息,噪声信号也能像振动信号一样进行机械设备的状态监测与故障诊断。声学诊断技术具有非接触测量、不影响设备运行、操作简单便捷等优点,可部分地代替振动信号作为故障诊断的补充手段。传统声学诊断技术主要基于单通道测试与分析,只能得到机械局部的声学特征随时间或频率的变化规律,也不易选择测点位置,而且声信号易受干扰和污染。声学故障诊断技术虽具有很大发展潜力,但当测点位置选择不当,局部的声学特征对故障不敏感时诊断效果就会受到影响,特别是在相干工况下,故障源的声信号如果被干扰源的声信号淹没,则传统声学诊断方法将不再适用,基于单通道声信号所提取的故障特征不能稳定地反映机械本身的运行状态,很大程度上影响了诊断效果。 声成像技术通过传声器阵列获取测量面处的声信号,按照相应重建算法进行声源反演,可重建结构表面的声场分布并预测整个辐射声场,将重建声场的整体信息用于故障诊断,能克服传统声学诊断中局部诊断的缺陷,也可避免测点选择难的问题,这为新型声学故障诊断技术的发展创造了条件。基于整个重建面上的声学信息显然比基于单点测试的声信号所含有的故障信息要丰富,后者只具备一个或几个局部测点的声学信息,而前者还获得了整个声场的分布信息,从空间上体现了潜藏在声场分布中的故障模式,从所重建的声场信息中挖掘出的声场空间分布特征必然较常规声学诊断方法所提取的特征更全面也更稳定。在较强的干扰噪声环境下,即使局部单通道声信号并不稳定,但整体上声场的空间分布模式能保持较好的稳定性。 机器运行时会产生辐射声场,不同的运行状态具有不同模式的声场分布,因此,若能有效挖掘机器在不同故障状态下辐射声场的分布模式规律,提取对故障模式敏感的特征量,将比传统基于单通道信号分析的声学诊断能更有效更可靠地诊断机械故障。鉴于这一思想,本文提出了基于声场空间分布特征的故障特征提取方法,应用图像处理技术从声像图中提取反映声场空间分布特性的纹理特征,揭示机械在不同运行状态下声场的分布规律;并在此基础上,提出了基于声场空间分布特征的机械故障诊断方法,分别发展了适于中高频分析的基于远场波束形成声成像的故障诊断方法和适于中低频分析的基于近场声全息声成像的故障诊断方法。数值仿真和实验研究证实了机器设备在不同运行状态下,声像图中的纹理信息反映了相应辐射声场的空间分布特性,能够揭示机器的不同故障模式状态而进行故障诊断。基于声场空间分布特征的机械故障诊断方法有效综合了阵列测量、声成像、图像处理、特征提取、模式识别等多学科研究成果,能对机械设备辐射声场可视化的同时,挖掘出潜藏于声场中的故障模式特征,有效进行故障诊断。滚动轴承和齿轮箱的故障诊断实验研究进一步验证了方法的有效性和实用性,干扰噪声的影响研究进一步体现了方法的优越性,这一新型的声学诊断方法不仅拓展了声成像技术的应用范围,也为声学故障诊断提供了新的思路和选择,促进了故障诊断技术的发展及其在实践中的应用。本文的具体研究内容如下: (1)综述了机械故障诊断技术的发展概况,特别是声学故障诊断与智能诊断;概述了声成像技术的发展,并对目前常用的波束形成和近场声全息技术进行了总结。 (2)分析了机械设备辐射声场的产生,对结构声辐射问题进行了数学描述;推导了平面近场声全息的基本公式,总结了近场声全息在实际应用中的参数选择问题;介绍了波束形成的基本原理,总结了参数选择问题;研究了几种典型的纹理分析方法,用于提取声场空间分布特征,并对支持向量机模式识别作了研究介绍。 (3)提出了基于声场空间分布信息的特征提取与机械故障诊断方法,并发展了适于中高频分析的基于远场波束形成声成像的故障诊断方法和适于中低频分析的基于近场声全息声成像的故障诊断方法,分别进行了具体研究。 (4)在对声成像技术和特征提取方法的研究基础上,提出了基于NAH声成像和Hist+GLGCM特征提取的机械故障诊断方法,并应用于滚动轴承与齿轮箱的故障诊断,对其分别搭建故障诊断实验台,进行多类故障诊断实验研究,并与传统声学诊断方法进行对比,还考察了干扰噪声对声成像和诊断结果的影响。 (5)研究了齿轮箱啮合频率及其边频处的声像图特性,考察了不同特征频率对诊断结果的影响,总结了基于声成像的齿轮箱故障诊断在特征频率选择上的问题,指出边频处的声场分布模式不稳定,不适于故障模式的辨识。 (6)研究了不同灰度量化级和各纹理特征提取方法的诊断性能,给出了灰度量化级的选取原则,并总结了各特征提取方法在声场空间分布特征提取上的特点,给出了在故障诊断应用中的具体建议。 (7)研究了声成像技术在机械故障诊断测试系统中的应用,在虚拟仪器平台下设计了基于声成像的故障诊断测试系统通用平台,开发了系统原理样机,齿轮箱故障诊断应用实例验证了其有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 冷军发;荆双喜;;机械故障诊断课程教学改革探析[J];中国现代教育装备;2011年11期
2 郭秀荣,陆怀民,赵志国;人工神经网络技术在机械故障诊断中的应用[J];林业机械与木工设备;2003年12期
3 陈敏;胡茑庆;秦国军;;外加信号增强随机共振在微弱信号检测中的应用[J];国防科技大学学报;2007年03期
4 罗志;王杰;;高压开关机械故障诊断平台开发[J];电网技术;2007年S1期
5 李爱民;施惠丰;;基于粗糙集和神经网络的机械故障诊断研究[J];昆明理工大学学报(自然科学版);2011年01期
6 ;《机械故障诊断程序库》通过鉴定[J];振动与冲击;1986年03期
7 王凤利;基于局域波时频分析的机械故障诊断[J];大连海事大学学报;2005年04期
8 王宇杰;庞兵;;机械故障智能诊断方法研究[J];黑龙江科技信息;2011年06期
9 薛小兰;;人工神经网络在机械故障诊断中的应用[J];晋中学院学报;2011年03期
10 薛小兰;;人工神经网络在机械故障诊断中的应用[J];机械研究与应用;2011年03期
11 孟庆丰;屈梁生;;Wigner分布及其在机械故障诊断中的应用[J];信号处理;1990年03期
12 李美华;韩大明;陆怀民;;人工智能在机械故障诊断中的应用[J];森林工程;2006年02期
13 李爱民;刘国庆;;基于灰色熵权聚类决策的机械故障诊断[J];舰船科学技术;2011年07期
14 张新海;雷勇;;BP神经网络在机械故障诊断中的应用[J];噪声与振动控制;2008年05期
15 杨江天,周立华,陈家骥,曾子平;高阶谱及其在机械故障诊断中的应用(英文)[J];Transactions of Tianjin University;1999年02期
16 廖广兰;史铁林;刘世元;轩建平;;基于GHSOM网络的故障识别[J];华中科技大学学报(自然科学版);2008年07期
17 邓林峰;赵荣珍;冯如只;杨娟;;基于特征选择和变精度粗集的属性约简方法及其应用[J];机械科学与技术;2010年10期
18 韩相吉,吕思义;微机在机械故障诊断方面的应用[J];长春工业大学学报(自然科学版);1990年02期
19 陈敏;胡茑庆;秦国军;张云安;;最佳匹配随机共振在微弱信号检测中的应用[J];振动、测试与诊断;2007年04期
20 周利;余愚;;机械故障诊断中人工智能的应用[J];可编程控制器与工厂自动化;2007年07期
中国重要会议论文全文数据库 前10条
1 王秋贵;周珣;任广旭;李强;;机械故障诊断的三种新思路研究[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年
2 朱忠奎;严如强;;基于小波和统计的信号瞬态成分检测及其在机械故障诊断中的应用[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
3 钟掘;陈安华;;机械故障诊断的现状与未来[A];中国有色金属学会第三届学术会议论文集——科学技术论文部分[C];1997年
4 陈进;;现代信号处理在机械故障诊断中的应用及展望[A];中国声学学会1999年青年学术会议[CYCA'99]论文集[C];1999年
5 何正嘉;訾艳阳;陈雪峰;王晓冬;;内积变换原理与机械故障诊断[A];第九届全国振动理论及应用学术会议论文集[C];2007年
6 钟振茂;陈进;钟平;;机械故障诊断中的多源分离方法[A];中国声学学会2001年青年学术会议[CYCA'01]论文集[C];2001年
7 杜奕;迟毅林;伍星;;概率盒和D-S结构体在机械故障信号信息融合中的应用展望[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
8 安邦健;;机械故障诊断技术必须大力推广[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
9 何正嘉;訾艳阳;陈雪峰;王晓冬;;内积变换原理与机械故障诊断[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
10 吴定才;吴珂民;肖云魁;;汽车发动机稳态与非稳态振动信号研究[A];2007年汽车学术年会论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 陈向民;基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2013年
2 冯秀芳;无线传感器网络数据融合技术的研究及在机械故障诊断中的应用[D];太原理工大学;2009年
3 赵慧敏;柴油机非稳态振动信号分析与智能故障诊断研究[D];天津大学;2010年
4 魏立东;基于智能控制的回转压缩机械故障诊断与研究[D];大连理工大学;2006年
5 孟庆丰;信号特征提取方法与应用研究[D];西安电子科技大学;2006年
6 史丽晨;基于故障机理分析的往复式活塞隔膜泵状态监测与故障诊断技术的研究[D];西安建筑科技大学;2009年
7 任全民;非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究[D];大连理工大学;2006年
8 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年
9 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年
10 毛永芳;机械测试中多分量信号特征提取方法的研究[D];重庆大学;2008年
中国硕士学位论文全文数据库 前10条
1 张锐;基于人工神经网络理论的机械故障诊断技术研究[D];东北林业大学;2001年
2 尹焕;基于ISOMAP的机械故障诊断方法研究与应用[D];华南理工大学;2012年
3 孙君;乳化液泵站机械故障诊断研究[D];山东科技大学;2011年
4 任昭晶;基于局域均值分解的机械故障诊断研究[D];太原科技大学;2014年
5 韦家增;故障树分析和模糊理论在机械故障诊断中的应用研究[D];合肥工业大学;2002年
6 吴雪明;基于自适应线调频基原子分解方法的机械故障诊断研究[D];湖南大学;2011年
7 张晓亮;EMD方法在机械故障诊断中的应用[D];中国海洋大学;2003年
8 刘卫兵;基于局域均值分解的机械故障诊断方法研究[D];郑州大学;2010年
9 张琳;机械故障诊断中神经网络与D-S推理的信息融合技术研究[D];燕山大学;2003年
10 樊春玲;低频振动下机械故障诊断技术的研究[D];燕山大学;2001年
中国重要报纸全文数据库 前10条
1 记者 曹红艳通讯员 刘海洋;中央军委给汪玉记一等功大会举行[N];经济日报;2007年
2 刘海洋记者 于莘明;中央军委给汪玉记一等功庆功大会举行[N];科技日报;2007年
3 卢敬叁 杨蕾;我国振动计量达到国际先进水平[N];中国质量报;2006年
4 记者  邓其锋;吴群力 用声学技术展示国人魅力[N];丽水日报;2006年
5 王晔 任培林 本报记者 张金玉;让战鹰飞得更高更远[N];解放军报;2004年
6 林黎民;屈梁生:机械故障不停机快速诊断[N];科技日报;2004年
7 文华 林黎民;传统产业插上了现代翅膀[N];科技日报;2004年
8 钟佳 任重;搏浪击水竞风流[N];中国航空报;2004年
9 胡佩生 陈策 李丽辉;湘钢实现高线精轧机远程监控及诊断[N];中国冶金报;2003年
10 ;有他们,创新广东更加精彩[N];广东科技报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978