学位论文 > 优秀研究生学位论文题录展示

基于小波变换与经验模态分解的电机转子振动信号处理方法的研究

作　者: 陈冬娣
导　师: 赵瑾
学　校: 南京师范大学
专　业: 电工理论与新技术
关键词: 振动信号小波变换经验模态分解消噪 Hilbert边际谱奇异点定位
分类号: TM303.3
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

电机是现代工业过程中重要的动力能源和驱动设备,电机转子故障会直接影响到电机的功能精度、可靠性和持久性。转子振动信号包含转子运行重要信息,分析转子振动信号获取电机运行特征是目前研究的热点问题之一。本文根据电机转子振动信号的非平稳性特点,针对传统的傅里叶变换不能完全满足故障信号特征提取的要求,重点研究小波变换、经验模式分解和集合经验模态分解对电机转子振动信号的处理、分析方法。主要内容如下：1)针对转子非平稳振动信号的特点,研究了小波变换基本理论,给出了小波变换对非平稳振动信号消噪的步骤,仿真实验说明了小波变换有效地实现对振动信号的消噪。针对振动信号中出现的突变部分,深入研究了小波变换的奇异性检测原理,给出了振动信号奇异点定位方法的具体步骤。小波变换分解的细节图中,振动信号的奇异部分检测效果并不明显,提出了采用细节信号相乘的方法,有效地实现了对振动信号奇异点的准确定位。2)针对小波变换在分辨率上存在模糊和小波基、降噪阈值的选取等问题,提出了经验模态分解方法的基本理论,给出了经验模态分解算法的基本步骤,论证了经验模态分解方法具有的完备性和正交性,实现了对振动信号趋势项的提取。针对经验模态分解自适应滤波方法,实验证实了该方法在低信噪比情况下,有效地去除了噪声部分,提取出振动信号的频率成分。为了准确提取转子故障信号中的分数倍频率成分,提出了先将信号经验模态分解,再对固有模态函数求Hilbert边际谱的方法,实现了对转子故障类型的准确判断。3)针对经验模态分解方法在对信号进行分解时出现的模态混叠现象,提出了集合经验模态分解方法,给出了该方法的具体步骤。仿真实验证实了此方法能够有效地解决模态混叠现象。在此基础上详细地分析了小波变换、经验模态分解和集合经验模态分解在对电机转子振动信号消噪中的适用性,证实了集合经验模态方法能有效地消除噪声、抑制脉冲干扰,很好地保留信号的振动特性,实现对振动信号的消噪。4)以LabVIEW为软件开发平台,配合转子振动模拟试验台、传感器、信号调理器和数据采集卡等硬件设备,组成了电机转子振动信号采集与处理的虚拟仪器系统,完成了对电机转子不对中-油膜涡动耦合、转子碰磨-油膜涡动耦合时的振动信号采集、显示和保存等一系列功能。利用小波变换、经验模态分解和集合经验模态分解方法,去除了转子振动信号中的噪声、提取了转子振动信号有用的特征、识别了转子故障部位和类型、实现了转子振动信号奇异点定位。

全文目录

摘要  3-4
Abstract  4-6
目录  6-8
第1章绪论  8-14
  1.1 课题研究的背景及意义  8-9
  1.2 振动信号处理方法的发展和研究现状  9-12
    1.2.1 基本振动信号的处理技术  9-11
    1.2.2 基于小波变换对振动信号处理的发展和研究现状  11
    1.2.3 基于经验模态分解方法对振动信号处理的发展和研究现状  11-12
  1.3 本文研究的主要内容及论文框架  12-14
第2章基于小波变换的振动信号处理方法的研究  14-30
  2.1 小波变换的基本概念  14-17
    2.1.1 从傅里叶变换到小波变换  14-15
    2.1.2 小波变换理论  15-17
  2.2 二进小波变换  17-18
    2.2.1 二进小波基本理论  17
    2.2.2 小波基的选择  17-18
  2.3 基于二进小波变换的振动信号消噪处理  18-22
    2.3.1 小波变换的消噪方法  18-19
    2.3.2 小波消噪与傅里叶消噪的比较  19-22
  2.4 基于二进小波变换的振动信号奇异性检测  22-29
    2.4.1 小波变换用于突变信号检测的原理  22-23
    2.4.2 Lipschitz指数与小波变换模极大值的奇异性理论  23-24
    2.4.3 异常信号检测原则及振动信号奇异点定位方法  24-25
    2.4.4 实验分析与研究  25-29
  2.5 本章小结  29-30
第3章基于经验模态分解方法的振动信号处理方法的研究  30-55
  3.1 经验模态分解的基本理论  30-32
    3.1.1 瞬时频率  30-31
    3.1.2 固有模态函数分量的概念  31
    3.1.3 经验模态分解的算法及性质  31-32
  3.2 基于经验模态分解的振动信号趋势项提取  32-36
  3.3 基于经验模态分解的振动信号的自适应滤波与重构  36-43
    3.3.1 经验模态分解的滤波与重构方法  36-37
    3.3.2 仿真信号实验研究  37-43
  3.4 基于经验模态分解-HILBERT边际谱的振动信号特征提取  43-46
    3.4.1 Hilbert边际谱方法  43-44
    3.4.2 仿真信号实验研究  44-46
  3.5 集合经验模态分解法  46-49
    3.5.1 集合经验模态分解实现步骤  46-47
    3.5.2 经验模态分解与集合经验模态分解两种方法的仿真信号比较  47-49
  3.6 基于小波变换、经验模态分解和集合经验模态分解对振动信号消噪方法的比较  49-54
  3.7 本章小结  54-55
第4章基于小波变换与经验模态分解法对电机转子故障信号特征提取  55-76
  4.1 转子故障信号的采集  55-61
    4.1.1 电机转子振动信号采集系统  55-57
    4.1.2 转子不对中-油膜涡动耦合实验  57-59
    4.1.3 转子碰摩-油膜涡动耦合实验  59-61
  4.2 小波变换、经验模态分解和集合经验模态分解在转子振动信号消噪中的应用  61-67
  4.3 经验模态分解在转子振动信号趋势项提取中的应用  67-68
  4.4 经验模态分解-HILBERT边际谱在转子系统故障特征提取中的应用  68-72
  4.5 小波奇异性检测在转子振动信号的奇异点定位中的应用  72-75
  4.6 本章小结  75-76
第5章总结与展望  76-78
  5.1 工作总结  76-77
  5.2 研究展望  77-78
参考文献  78-84
在读期间发表的学术论文及研究成果  84-85
致谢  85

基于小波变换与经验模态分解的电机转子振动信号处理方法的研究

内容摘要

全文目录

相似论文