【振动分析毕业论文】基于eemd-kpca的全寿命振动信号降噪方法.docx

摘要
随着工程机械和风力发电行业深入地发展,相关产业已经从增量市场逐步向存量市场过渡,保证此类大型设备的可靠运行逐步成为企业的工作重点。作为在这两个行业中广泛使用的重要回转连接件——大型回转支承,其故障或失效引发的事故屡见不鲜,造成了严重的社会影响和经济损失。究其原因,多是有效维护的缺失。要实现设备的有效维护,就必须能够评估设备的实时健康状态,预测设备的健康发展趋势,这已成为相关企业亟需解决的关键问题之一。
设备的“健康”可定义为设备是否出现故障、性能退化的程度、剩余的使用寿命等。近年来,设备的在线健康监测技术得到了极大的关注,它能够准确地评估和预测设备的健康状态,从而在设备出现异常前采取相应的维护措施,避免重大事故的发生。研究设备的在线健康监测,实质上是研究设备的故障诊断方法,揭示设备的性能退化规律,掌握设备的寿命预测理论,最终建立起设备的在线健康监测系统,为设备的有效维护提供可靠的理论和技术支撑。这对于企业制定有效的主动维护策略,降低设备故障风险,提升在行业中的竞争力有着重要的意义。为此,本文以大型回转支承为研究对象,深入开展了其在线健康监测理论与应用的研究,包括以下几方面的内容:
(1)提出了回转支承的小样本加速寿命试验方法,建立了回转支承疲劳寿命的威布尔分布模型,进而实现了任意工况载荷下回转支承的可靠性寿命预测。其中,小样本试验方法依据滚道载荷分布规律和Archard磨损理论,通过一次加速寿命试验即可建立滚道载荷——磨损量——伪失效疲劳寿命的关系,进而获取到多个应力水平下多个回转支承滚道的失效样本,大幅降低了试验成本。利用这些样本建立起威布尔分布模型后,再运用逆幂率加速模型实现了任意载荷下回转支承寿命的可靠性预测。研究发现,在类似风机变桨回转支承的实际载荷工况下,回转支承定圈滚道损伤程度较高,滚道磨损量与各区域接触载荷密切相关。相比ISO281和NREL DG03中的L10寿命,本方法预测结果更接近工程实际,为回转支承的设计优化提供了指导依据。
(2)针对现有降噪方法的不足,提出了一种基于EEMD-KPCA的全寿命振动信号降噪方法。该方法首先利用EEMD将全寿命周期中不同时期的振动信号分解成多个IMF,然后利用KPCA中的SPE指标评价各IMF在不同时期的差异,从而选取在整个寿命周期中最能反映回转支承性能退化过程的多个IMFs进行信号重构,完成信
号的降噪。此外,深入研究了EEMD、WT阈值法、KPCA主元法等常用降噪方法中的参数优化理论和降噪过程。对比分析发现,提出的EEMD-KPCA方法比常用降噪效果更好,而且降噪信号可解释性强,保留了足够多的回转支承性能退化信息,为后续研究提供了可靠的预处理手段。
(3)提出了基于圆域分析的回转支承故障诊断方法。该方法首先探讨了PAA过程中的参数优化,然后利用振动信号邻域相关离散点拟合椭圆的倾角方向对信号中频率变化的敏感性,来识别信号中存在的异常信息,进而将其应用到回转支承整圈滚道中实现其初期的故障诊断。相比常见方法,该方法并不关注信号中具体的特征频率,而是以圆域特征反映出回转支承整体的异常情况,克服了回转支承振动信号中的有效频率由于能量过低而难以提取的问题。结果表明:相比时域特征和小波分析,圆域故障诊断方法能够更为准确地诊断出回转支承的初期故障,且故障点处的可识别度更高。
(4)提出以C-SPE指标评估大型回转支承的性能退化过程,并据此建立了基于状态数据和信息融合的RUL预测模型,形成了RUL预测理论体系。首先,利用振动信号的时域特征揭示了大型回转支承的性能退化过程;然后,提出以KPCA中的统计量SPE来量化分析多维振动信号的差异,并利用C-SPE评估回转支承性能退化过程。此外,深入讨论了LS-SVM的GSA-PSO参数优化方法,建立起基于状态数据的RUL预测模型;最后,利用失效率修正了威布尔分布的RUL预测模型,提出了一种结合可靠性和状态数据的信息融合RUL预测模型。研究表明:多维振动信号能够提供更全面的回转支承退化信息,而C-SPE能够在保留足够多的退化信息的同时大幅降低特征维数;GSA-PSO比CV、GA、PSO等方法具有更高的建模效率和精度;基于C-SPE的RUL预测模型比基于时域特征的模型更优,且温度、驱动力矩等辅助参数有利于进一步提高模型精度;基于实时失效率的信息融合RUL预测模型计算效率较高,其结果更接近工程实际,可以用于回转支承在线健康监测系统。
(5)针对现有监测系统的不足,利用NI的软硬件平台研发了大型回转支承的在线健康监测系统。该系统设计了多路同步采集、基于C-S架构的TCP通讯协议、友好的人机界面、安全的数据管理等功能。此外,通过将Matlab算法移植到cRIO,该系统实现了回转支承振动信号采集与降噪、故障诊断、特征提取、失效率评估、剩余