收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于声全息的故障特征提取技术研究

李加庆  
【摘要】: 基于振动信号的故障诊断技术在某些场合下存在着局限性,而机械噪声蕴含着丰富的机器状态信息,具有非接触式测量的优点,可以部分地替代振动信号作为故障诊断的手段。利用噪声信号进行故障诊断的技术称之为声学诊断技术。为了实现声学诊断技术,必须结合机器噪声信号的特点,对声学特征提取技术进行深入研究,使得提取的特征能更好地描述机械设备的运行状态。常规的声学特征提取技术可以给出故障特征随时间、频率的变化规律,但无法揭示故障特征随声源位置的变化信息。为了能更有效地利用噪声信号对机械设备进行故障诊断,本文开发了一种基于声全息的故障特征提取技术。该技术采用由少量传声器组成的阵列测量声压,应用复合声全息技术可以方便快速地重构出物体外部声场,获得包含声源的个数、位置、强度等信息的全息图。由于原始的声全息图不便于计算机直接处理,以机器在正常运行状态下的声压级为基础设定幅值范围,定义了差值图元素和差值全息灰度图。利用该差值全息灰度图,可以识别出某个特定位置的声源特征的变化信息,再结合特征频率和处于该位置的零部件的特征参数,从而判定出具体故障。本文具体研究内容如下。 首先简要介绍故障诊断的研究背景,概述设备故障诊断技术及声学诊断技术的发展概况,回顾总结了噪声源识别与声全息技术的发展概况,对其中的近场声全息方法、等效源方法,以及波束形成技术等进行重点论述。针对应用声学特征提取技术对工业现场机械设备进行故障特征提取这一目标,详细讨论现有的各种噪声源识别方法的优缺点,在此基础上提出需要解决的问题,确立了本文的研究基础。 然后,对机械设备振动辐射的噪声场的产生机理和原因进行分析,并对结构声辐射进行数学描述,推导平面近场声全息的基本公式,讨论平面近场声全息的空间波数域的滤波函数,对平面近场声全息进行数值离散,通过数值仿真验证该算法在一定条件下可以对声源比较精确地识别,同时也指出它存在窗效应和卷绕误差的固有缺陷。为了避免这些缺点,全息面必须大于声源面尺寸的两倍,这对于高频情形下大尺寸声源,往往需要大量的测点,测量工作和重构计算都相当耗时,测量成本非常高,不便于实际现场实施。通过理论分析,奠定全文基于声全息的故障特征提取技术的基础。 波叠加法是一种适合于全频率域的声场重构算法。其原理是:通过在辐射体内部布置一系列等效源,用等效源辐射的声场来代替原物体辐射的声场,并应用配点法或最小二乘法来求解虚源源强,从而进行声场重构。推导了波叠加积分公式和基于波叠加的声场重构原理,讨论了解的非唯一性问题,研究波叠加法离散化实现。由于波叠加法声场重构属于声学反问题,存在不确定解,提出通过正则化处理来消除离散非适定性问题的影响,最后分析了影响波叠加法声场重构精度的若干因素,包括测量面、等效源面、重构面、测量误差等。从而,找出提高重构精度的规律,能更好地指导应用波叠加法进行声场重构。 针对近场声全息要求测量距离近、测量阵列尺寸大、测点多等缺点,一定程度上无法在工业现场广泛应用,提出一种基于波叠加和波束形成的复合声全息技术。波叠加法可以准确地进行声场重构,但是其前提条件是要求知道在何处布置等效源。因此,提出采用波束形成进行声源定位,然后在主要声源处布置等效源,这样就能准确地重构物体外部声场。首先,研究了利用波束形成进行声源定位,建立了声源模型,介绍了基于传声器阵列的信号处理原理,探讨了阵列参数设计问题;针对工业现场背景噪声大的缺点,通过去除对角线元素,改善了频域波束形成算法的抗噪性能;还对实现中需要考虑的几个问题分别进行了讨论;随后,介绍了复合声全息技术的原理。最后通过数值仿真,对该技术的有效性和准确性进行了验证。 常规的声学特征提取技术主要基于声发射、能量法、频谱分析、时频分析等方法。这些方法可以给出故障特征随时间、频率的变化规律,但无法揭示故障特征随声源位置的变化信息。为了能更全面地利用噪声信号对机械设备进行故障诊断,需要一种更有效的故障特征提取技术。在简要回顾了声学特征提取技术的发展之后,介绍了当前常用的几种声学特征提取技术;随后,开发了一种基于声全息的故障特征提取技术;最后,采用多个脉动球的声源模型进行了数值仿真,结果表明提取出的故障特征准确地能够反映辐射体声场状态变化,从而验证了该技术的准确性和有效性。 最后进行实验研究,探讨复合声全息技术,以及基于此的故障提取技术的可行性和准确性,为其在工业现场的应用打下基础。介绍了振动实验室现有的硬件平台,自行设计完成了全套传声器阵列与采集系统,叙述了实验原理。在此基础上,在半消音室内以电风扇碰摩和小型电机等的辐射声源为研究对象,进行噪声源识别与故障特征提取的实验研究,完成了实验数据采集,最后对实验结果进行分析,从实验角度证明了上述方法的有效性。 对全文研究工作进行总结,并概括论文的创新点,同时就基于声全息的故障诊断技术未来的研究工作提出了一些建议,指出了若干值得注意的问题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 姜建国,苏鹏声,邱阿端,汪庆生,杨秉寿;电机故障特征提取方法二则[J];中国电机工程学报;1992年05期
2 张淑清;陈白;张立国;;小波分析算法研究及在齿轮与滚动轴承故障诊断中应用[J];传感技术学报;2007年05期
3 徐红;小波包分解算法研究及其在机械故障诊断中的应用[J];仪器仪表学报;2005年S1期
4 刘胜;江娜;;船舶动力装置冷凝器故障特征提取方法研究[J];船舶工程;2008年02期
5 梅检民;周斌;司爱威;张威;肖云魁;;基于变精度粗糙集理论提取发动机振动故障特征[J];军事交通学院学报;2009年03期
6 王丽;于宗艳;;小波分析在滚动轴承故障诊断中的应用[J];现代科学仪器;2009年06期
7 杨万成;曹亚娟;冯汉生;邢文华;肖云魁;;粗糙集理论与发动机故障特征提取[J];军事交通学院学报;2005年01期
8 杨铁梅;;基于小波分析的齿轮传动系统故障诊断研究[J];计量与测试技术;2009年09期
9 柴继泽;王仲生;芦玉华;;转子系统早期碰摩故障特征提取方法研究[J];计算机测量与控制;2009年09期
10 马建仓;张国强;曾媛;;盲分离与Hilbert-Huang结合应用于航空发动机振动信号分析[J];机械科学与技术;2010年05期
11 周晶;宋辉;余家祥;;基于小波包的舵机故障特征提取方法研究[J];舰船电子工程;2011年06期
12 汤宝平;蒋永华;张详春;;基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法[J];机械工程学报;2010年05期
13 张玲玲;赵懿冠;肖云魁;骆诗定;廖红云;潘全先;;基于小波包-AR谱的变速器轴承故障特征提取[J];振动.测试与诊断;2011年04期
14 杨勇;张帅;韩清凯;曲衍怀;;基于非线性分析的复杂机电系统故障特征提取[J];沈阳农业大学学报;2009年06期
15 孟宗;顾海燕;;应用经验模态分解下的AR模型提取旋转机械故障特征[J];燕山大学学报;2011年04期
16 蒋永华;汤宝平;刘文艺;董绍江;;基于参数优化Morlet小波变换的故障特征提取方法[J];仪器仪表学报;2010年01期
17 应勇;王仲生;;非平稳信号特征提取在航空发动机故障诊断中的应用[J];计测技术;2007年02期
18 高正明;何彬;赵娟;裴永泉;左广霞;;常用故障特征提取方法[J];机床与液压;2009年12期
19 杜文霞;辛涛;孙昊;吕锋;;模糊神经网络在模拟电路故障诊断中的应用[J];自动化仪表;2009年01期
20 韩华;谷波;康嘉;;基于遗传算法和支持矢量机参数优化的制冷机组故障检测与诊断研究[J];机械工程学报;2011年16期
中国重要会议论文全文数据库 前1条
1 徐红;;小波包分解算法研究及其在机械故障诊断中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年
中国博士学位论文全文数据库 前2条
1 李瑞欣;基于网络和状态监测的设备管理理论与方法研究[D];天津大学;2004年
2 陈仲生;直升机旋转部件故障特征提取的高阶统计量方法研究[D];国防科学技术大学;2004年
中国硕士学位论文全文数据库 前4条
1 陈建波;基于相位差校正法的全息谱研究[D];重庆大学;2009年
2 吴丹;DC/DC开关电源的故障诊断研究[D];中南大学;2007年
3 谭中军;基于独立分量和生成拓扑映射的旋转机械故障特征提取和诊断研究[D];湖北工业大学;2007年
4 李星;关键机组远程状态监测诊断系统研发与工程应用[D];北京化工大学;2009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