论文总字数：19442字

摘 要

旋转机械设备在工作时，尤其是在工作状况不稳定时，往往会产生不平稳的振动信号。这些非平稳信号中的频率随时间不断变化，若只是对其在时域或频域中单独分析不能满足要求，应当掌握其在时频尺度中的幅值或者能量分布。

旋转机械振动分析中最为关键的问题是信号的特征提取，考虑到振动信号的非平稳性，与其他一些时频分析方法对比后，本论文依次采用小波、小波包和希尔伯特黄变换分析方法进行信号的特征提取。首先利用小波对振动信号噪声滤除，采用带宽与尺度优化后的Morlet小波进行特征提取。然后利用小波包的高频分解特性对故障信号分解，计算出各频带的样本熵，通过样本熵对故障分类。最后对故障信号进行EMD分析，将得出的IMF进行希尔伯特黄变换，从变换得出的边际谱中提取特征。

在本文最后对上述三种特征提取方法进行对比，说明各方法的特点优缺。

关键词：旋转机械 特征提取 小波变换 小波包变换 希尔伯特黄变换

An investigation of vibration signals feature extraction for rotating machines

ABSTRACT

The vibration signals of rotating machines are usually non-stationary especially when the machines are operating with faults. The frequency of these non-stationary signals varies from time to time. Both time domain and frequency domain are far from sufficient to extract enough informative features if only single of them were applied. The non-stationary signals should be analyzed in the frequency-time scales with amplitude or energy distribution.

The most critical issue for the analysis of rotating machinery vibration is the feature extraction. Considering the non-stationary of vibration signals, this paper chose wavelet transform, wavelet packet transform and Hilbert Huang Transform from existing time-frequency analysis methods, to extract features. Firstly, wavelet transform is used to filter the noise of the vibration signal, and the optimized bandwidth and scale of Morlet wavelet is used to extract the features. Then the wavelet packet decomposition is used to decompose the fault signal. The sample entropy of each frequency band is calculated and the fault classification is based on the sample entropy. Last, the fault signal is analyzed by EMD, and the IMF is obtained by Hilbert Huang transform. The characteristic is extracted from the marginal spectrum of the transform.

Finally, the three feature extraction methods are compared in this paper, and the advantages and disadvantages of each method is listed.

Key words：Rotating Machinery； Feature Extraction；Wavelet transform；Wavelet packet transform； Hilbert-Huang transform

目录

摘要 I

ABSTRACT II

目录 III

第一章 绪论 1

1.1论文研究的背景与意义 1

1.2相关技术介绍与研究现状 1

1.2.1对于非平稳信号的提取分析 2

1.2.2微弱信号的两个探究方向 2

1.3章节安排 2

第二章 小波变换原理与验证 4

2.1基本概念 4

2.2小波变换 6

2.2.1 小波变换的优势 6

2.2.2 小波变换理论 6

2.2.3 连续小波变换的几个特性 7

2.2.4小波阈值去噪 7

2.3 Morlet小波变换 8

2.3.1 Morlet小波 9

2.3.2 带宽参数优化 9

2.3.3 尺度参数优化 10

2.4仿真实验 10

2.5本章小结 12

第三章 小波包变换原理与验证 12

3.1小波包分析的基本理论 12

3.2小波包算法 12

3.3样本熵的定义与含义 12

3.4仿真实验 12

3.5本章小结 12

第四章 希尔伯特黄变换原理与验证 12

4.1 EMD与IMF 12

4.1.1 瞬时频率 12

4.1.2 经验模式分解（EMD） 12

4.2时频谱和边际谱： 12

4.3仿真验证 12

4.4本章小结 12

第五章 总结与展望 12

5.1总结 12

5.2展望 12

参考文献 12

致 谢 12

第一章 绪论

1.1论文研究的背景与意义

现如今，科技水平及工业生产水平有了很大的改善，旋转机械设备对于各种行业生产来说成为不可或缺的，并且旋转机械设施朝高速、自动、复杂等方向迈进，例如发电用原动机-汽轮机、动力机械-电动机、流体机-压缩机、内燃机-发动机等，都是电力发电、石油化工、钢铁冶金、军工等行业中的重要机械设备^[1]。这些设备是否能够正常运行不仅关系到企业的经济利益，倘若某台设备发生故障且未能及时发现并排除，这样会带来很大的安全隐患，甚至造成巨大的经济损失。在1989年，陕西省秦岭的一个发电厂出现3号发电机组发生轴系断裂，经济损失达到亿元。山西省大同发电厂2000MW发电机组在30秒内振动剧烈，导致转子断裂，给国家和企业造成巨大经济损失^[2]。由此可知，对旋转机械振动信号特征提取方法的研究可以更好的检测机械设备运行状态，有利于保障设备安全运转，减少事故发生的几率。

作为旋转机械振动信号最为关键的研究内容，旋转机械振动非平稳信号的特征提取方法逐渐成为信号分析领域里的研究重点之一。在传统信号分析中，往往将振动信号视为平稳信号，且在随时间变化的过程中，信号频谱没有发生太大变化。在某些情况下，这种分析方法可以实现信号分析，也能够优化时域和频域的信号性能。但是对于在故障状态下被强噪声淹没的振动信号，随机性很强，具有时变非平稳的特点。因此，单一分析时域或者频域的振动信号是不准确的，而且某些复杂的非平稳特性表现出不同的故障特征。想要恰当分析这些复杂的信号特征，准确的找到机械故障的原因及其位置，需要掌握振动信号的频率随时间变化的规律和在时间-频率轴上信号能量的分布情况^[3]。近年来，中外研究人员在这方面付出了大量时间、精力，从而促进了振动信号分析的发展，其中时频分析技术在处理非平稳振动信号方面发挥着重要作用。

请支付后下载全文，论文总字数：19442字