非平稳状态下的机电系统状态分析中信号分析技术的研究

【摘要】：在非平稳状态下的机电系统故障诊断与趋势预测中,正确分析系统的当前状态是一个必经环节。而在各种状态分析方法中,信号分析技术一直是一个瓶颈因素。本论文便针对非平稳状态下的机电系统状态分析中的信号分析技术进行了研究。 首先阐述了振动信号分析在状态分析中的重要性,概述了现有的一些非平稳振动信号分析方法,并从原理上论述了各自的不足,引入了一种基于经验模态分解的称作希尔波特-黄变换的信号分析技术,从理论上分析了它的优越性,并对其进行编程实现。在编程的过程中,对一些理论的细节实现进行了大胆的探索,使该算法具有了更好的自适应性。 阐述了经验模态分解中端点效应的概念,并从各种途径进行了抑制端点效应的研究。结果表明:镜像极值延拓的综合效果最好,多项式拟合极值延拓法次之,平行线段极值延拓再次,神经网络的分析效果很好,但需要的时间和空间都最大。探讨了如何结合信号的不同实际特点选择不同的端点效应抑制方法。 然后,对希尔波特-黄变换的有效性进行了实例验证,结果表明:希尔波特-黄变换和其他方法相比,具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点。 最后,从软硬件方面进行了“非平稳状态下的机电系统状态分析中信号分析集成系统”的设计。该系统能够对现场信号和历史信号进行各种实时和离线分析,主要分析方法有快速傅里叶变换、短时傅里叶变换、小波变换和希尔波特-黄变换等,并预留了今后增加新的分析方法的接口,为实现开放式系统开发提供了条件。