收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于局部近场声全息的机械噪声源特征提取技术

杨超  
【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。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,本文研发了基于局部近场声全息的机械噪声源特征提取技术。该技术采用由少量传声器组成的阵列测量声压,应用联合局部近场声全息快速地重构出物体外部声场。进而获得包含声源的个数、位置、强度等信息的全息图。通过比较故障与正常状态下的全息图,可以识别出某个特定位置的声源特征的变化,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。该技术的特点是:适合于中低频声场的局部重建;对“可视范围”以外的声源具有较低的灵敏度;计算快速,可以实现声场的实时映射等;可以在测量数据有缺失的情况下重建声场。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、等效源方法以及改进统计最优近场声全息进行重点论述。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。 详细地介绍局部近场声全息的原理,推导声场重建公式;改进了统计最优近场声全息,并讨论了重建过程中的各种影响因素;针对声场指向性不强的声辐射体,提出了基于双全息面测量的声源定位技术;为解决传统波叠加方法中等效源配置的不确定性问题,提出了联合局部近场声全息方法。该方法在不知道任何声源位置信息的情况下,仍然可以精确重建局部声场。得出如下结论:1)近场声全息要求测量网格必须规则布置,但在实际应用过程中这一要求很难满足。联合局部近场声全息克服了这一缺点,它不受测量网格的限制,网格可以随意布置;2)联合局部近场声全息可以用于重建局部声场。该方法允许测量面小于源面,可以简化测量过程,降低实验成本。联合局部近场声全息的其他优点包括:对“可视范围”以外的声源具有较低的灵敏度;计算快速,可以实现声场的实时映射等;可以在测量数据有缺失的情况下重建声场;3)声压幅值误差带来的重建误差要大于相位失配带来的重建误差。在算法的实际应用过程中,应该将主要精力放在校准传感器幅值上;4)改进了空间波数域中波数矢量的选取方法。该方法在最大波数限定的空间波数平面上非均匀地选取各波数矢量,并且越靠近主分析波数,选取的波数矢量越多。较之均匀选取波数矢量的方法,改进方法可以在保证重建精度的前提下,提高统计最优近场声全息对声场的重建效率。 联合局部声场重构属于声学反问题,详细地介绍了联合局部近场声全息中的离散不适定性问题与各类正则化方法由于联合局部近场声全息属于声学反问题,也常被称为不适定性问题,即解非唯一或不连续依赖于测量数据,小的测量误差将带来解的极大振荡,在数值实现中称为离散不适定性问题,提出通过正则化处理来消除离散不适定性问题的影响。首先通过奇异值分解,将传递矩阵表示成各奇异值分量对解的贡献之和,然后通过正则化滤掉或抑制那些使解产生激烈振荡的小奇异值。实现中可以通过寻求最优正则化参数,决定需要滤波的小奇异值。最后通过仿真研究了不同正则化方法重建效果。得出了一些有利于联合局部近场声全息实际应用的结论:1)声场重构问题为一反问题,不与正则化方法结合,联合局部近场声全息无法实现声场的重建;2)正则化算子方面:利用截断奇异值分解法和Tikhonov正则化方法的联合局部近场声全息重建效果相当;3)正则化参数选择方面:与Tikhonov算子结合,Engl误差极小化准则最适合联合局部近场声全息。 最后,进行了实验研究,探讨联合局部近场声全息技术,以及基于此的故障提取技术的可行性和准确性。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、全消音室内以音箱、电机和电脑机箱为研究对象,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,最后对实验结果分析表明:该技术是可行的和准确的,为其在工业现场的应用打下基础。 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 于湘涛;卢文秀;褚福磊;;柔性性形形态滤波和遗传规划在电机轴承故障诊断断的的应应用用[J];控制理论与应用;2009年09期
2 陈道炯;蒋俊;赵来刚;;一种基于神经网络的汽车故障诊断方法[J];科技信息;2010年30期
3 李加文;李从心;;基于鲁棒预白化的机械噪声信号盲分离[J];机械科学与技术;2005年12期
4 杨兴林;王华岑;陈楠;戴文华;李劲;;基于RBF神经网络的强流LIA故障诊断与性能评价技术[J];强激光与粒子束;2006年11期
5 汪召堂,于晓阳;基于神经网络信息融合技术的应用[J];科技资讯;2005年22期
6 杨铁梅;;基于小波包-改进神经网络的齿轮传动系统故障诊断研究[J];科技信息;2009年12期
7 王谦;张涛;;基于双向联想记忆神经网络的柴油机故障诊断[J];科技信息;2011年02期
8 康莉;郑改成;;神经网络在故障诊断中的应用[J];科技情报开发与经济;2006年19期
9 徐丽丽;付志勇;;小波分析在电力电子电路故障诊断中的应用[J];黑龙江科技信息;2009年27期
10 朱有剑;李建;;基于倒频谱特征提取的齿轮箱故障诊断[J];科技广场;2008年08期
11 董卓;朱永利;张敬敬;陈哲星;胡资斌;;基于主成分分析和遗传程序设计的油浸式变压器故障诊断[J];河北工业科技;2010年06期
12 王金彪;周伟;;飞机燃油系统油量传感器故障诊断方法研究[J];科技信息;2011年22期
13 何文波;刘士荣;冯志敏;;基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用[J];宁波大学学报(理工版);2006年04期
14 韩永章;;基于支持向量机的旋转机械故障诊断研究[J];科技信息;2010年12期
15 李允公;张金萍;戴丽;张占一;刘杰;;机械振动信号的听觉谱表达及其特性研究[J];振动与冲击;2010年11期
16 荆双喜;华伟;;基于小波-支持向量机的齿轮故障诊断研究[J];山东科技大学学报(自然科学版);2008年04期
17 王宇;迟毅林;伍星;沈沂;;基于盲信号处理的机械噪声监测与故障诊断[J];振动与冲击;2009年06期
18 徐晓龙;杨扬;;大型发电机状态监测方法与故障诊断[J];甘肃科技;2010年21期
19 谷金宏,李继凯,李林功,胡廷峰;单片机应用系统的故障诊断与调试[J];河南师范大学学报(自然科学版);2001年02期
20 王申银;;数控机床的回零原理及故障诊断[J];中国科技信息;2006年11期
中国重要会议论文全文数据库 前10条
1 郝如江;冯志鹏;褚福磊;;数学形态滤波器设计及应用研究[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
2 臧先峰;张正道;白瑞林;彭竹苗;;基于小波分析的故障特征提取研究[A];2007中国控制与决策学术年会论文集[C];2007年
3 吴峰崎;孟光;张桂才;;基于高级统计量的碰摩不对中故障特征提取[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
4 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
5 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[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
6 陈长征;勾轶;唐任远;;基于小波包频带能量分析的电机振动故障信号特征提取[A];先进制造技术论坛暨第二届制造业自动化与信息化技术交流会论文集[C];2003年
7 王晓丽;周浔;韩现刚;;小波变换和神经网络在机械故障诊断中的应用[A];2009全国虚拟仪器大会论文集(二)[C];2009年
8 杨佳;许强;余成波;雷绍兰;;基于ICA-QNN的高炉故障诊断研究[A];第二十九届中国控制会议论文集[C];2010年
9 王金东;王巍;李宏灿;李新伟;;往复压缩机轴承故障的多重分形特征提取[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 杨超;基于局部近场声全息的机械噪声源特征提取技术[D];上海交通大学;2009年
2 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学(河北);2005年
3 贾文强;基于局部近场声全息的机械噪声源特征提取技术研究[D];上海交通大学;2011年
4 曹龙汉;柴油机智能化故障诊断技术研究[D];重庆大学;2001年
5 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年
6 徐德友;粗集信息分析在故障诊断中的应用及自修复飞行控制系统效能评估[D];南京航空航天大学;2002年
7 宋其江;基于有向图模型的故障诊断方法研究及其在航天中的应用[D];哈尔滨工业大学;2010年
8 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年
9 陈非;基于过程信息融合的旋转机械信息(火用)故障诊断研究[D];华中科技大学;2010年
10 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年
中国硕士学位论文全文数据库 前10条
1 张庆涛;离心压缩机智能故障诊断方法研究[D];大庆石油学院;2006年
2 林洪彬;信息熵分析方法研究及其在故障诊断中的应用[D];燕山大学;2006年
3 肖圣光;基于虚拟仪器的轴心轨迹分析仪的研制[D];重庆大学;2009年
4 李君;基于变换域分析的发动机异响故障诊断研究[D];吉林大学;2006年
5 刘宏昱;基于HOC虚拟仪器的机械传动故障诊断系统研究[D];西北工业大学;2006年
6 许东;地空导弹混合智能故障诊断专家系统的设计与实现[D];西北工业大学;2002年
7 曹伟青;B样条模糊神经网络在刀具故障诊断中的应用[D];西南交通大学;2005年
8 程传胜;信息融合技术在机车牵引电机故障诊断中的应用研究[D];中南大学;2005年
9 刘一;基于小波分析的汽轮机故障诊断研究[D];河北工程大学;2010年
10 白维峰;基于全信息的机械故障特征提取方法研究[D];郑州大学;2009年
中国重要报纸全文数据库 前10条
1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年
2 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年
3 胡荣山 马巍;上海海大一课题列入国家“863”计划[N];中国船舶报;2007年
4 孙建阳 刘波;小型渔船柴油机故障诊断与排除[N];中国渔业报;2008年
5 见习记者 仝亚娜;孙彦广:冶金故障诊断设备前景广阔[N];机电商报;2005年
6 小田;网卡故障诊断[N];中国电脑教育报;2000年
7 陈全东;干式复合“粘边”故障诊断[N];中国包装报;2003年
8 龚献荣;大型天然气装置实现网络化监测[N];中国化工报;2005年
9 周传勇 杜慧;济钢网络化设备点检与故障诊断管理系统上线运行[N];世界金属导报;2008年
10 汤怀京;WLAN也有“线”[N];中国计算机报;2004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