摘要
旋转机械在制造、电力和铁路等领域中有着举足轻重的地位，随着我国的快速发展，旋转机械的应用越来越广泛。旋转机械服役环境通常比较恶劣，运行工况不稳定，并且常常面临高温、高寒、高速、重载等极端环境，使得旋转机械部件不可避免地出现故障，造成巨大的经济损失和人员伤亡。因此，对旋转机械进行状态监测和故障诊断可有效保障装备安全、可靠地运行，避免经济损失和人员伤亡。旋转机械在定转速工况下运行时，可以采用频域分析对旋转机械产生的振动信号进行分析。当旋转机械部件发生故障时，频域中会出现相关的故障特征频率。然而，旋转机械中的主要部件如轴承、齿轮箱等经常在变转速工况下运行，在变转速等激励的影响下，轴承、齿轮箱等关键传动部件产生的振动信号通常伴随着频率调制，使振动信号在频域中产生谱线混淆现象，从而影响对机械部件故障位置和故障程度的诊断。 阶次跟踪技术可以通过角域重采样使阶次谱中的谱线不再随着转速变化，因此阶次跟踪技术可以用于变转速工况下旋转机械故障诊断。然而，阶次跟踪技术需要转轴转速来进行角域重采样，而在实际生产生活中由于空间限制等原因难以满足在转轴上安装转速计的需求。无转速计阶次跟踪技术是一种有效的旋转机械故障诊断方法，可以在无需转速计的情况下，从振动信号中识别旋转机械的特征阶次。无转速计阶次跟踪技术的关键在于从振动信号中提取出旋转机械的转速来进行阶次跟踪，因此迫切需要一种可以估计转速的方法。 使用时频分析方法获取振动信号的时频表示（Time-FrequencyRepresentations，TFR）后，从TFR中提取出信号分量的特征脊线，可用于估计振动信号故障特征的瞬时频率，然后转化为转速进行阶次跟踪。本文以滚动轴承、定轴齿轮箱为研究对象，对其状态监测和故障诊断方法展开深入研究，主要研究内容分为以下几个方面： 1、对于现有的几种时频脊线提取方法进行了综述，比较了各种方法的适用范围和优缺点。 2、提出了一种自适应代价函数脊线提取方法（AdaptiveCostFunctionRidgeExtraction，ACFRE）。该方法重新建立了代价函数的数学模型，综合考虑了脊线幅值和脊线连续之间的平衡；重新定义了代价函数中的惩罚因子，使算法可以自适应调整对频率跳变的惩罚力度；在信号的TFR中进行全频段搜索，避免了不合理的频带约束。ACFRE法可自动从TFR中提取信号特征分量相关的时频脊线，具有较强的自适应性。算法改进了原始代价函数中不合理的惩罚因子和无明确定义的搜索带宽等缺陷。使用机械故障模拟实验台收集的振动信号对算法进行了测试，并与原始CF法进行了对比，分析结果证明了所提出方法的优越性。 3、提出了一种改进的动态路径脊线提取方法（ImprovedDynamicPathRidgeExtraction，IDPRE）。该算法首先从TFR中提取一条初始时频脊线，获取相关的频率差分，并使用箱形图去除频率差分中的异常值；引入时频支持的定义来自动获取初始时频脊线的上下边界，然后由上下边界计算时频脊线的搜索带宽；根据频率差分和搜索带宽等参数建立提取时频脊线的惩罚函数，综合计算TFR中所有潜在路径并从中选择最优路径。该算法根据信号本身特征来获取参数，因此不需要人工调整其他参数，并且可从TFR中自动迭代提取多条时频脊线，具有高度自适应性。算法改进了原始动态路径优化法中频率中位数错误约束、无法提取频率快时变时频脊线和易受噪声干扰等缺陷。应用该算法对仿真信号和实验信号进行测试，结果都验证了该方法的有效性。
NETL