摘要
旋转机械故障诊断方法中，多传感器采集的多通道振动信号比单通道信号包含更丰富的设备状态信息，许多不同的多通道信号处理技术已被引入到多通道信号故障诊断方法中应用。张量鲁棒主成分分析能充分考虑多通道信号之间的拓扑结构和关联关系，实现多通道信号故障特征同步提取。但在强背景噪声下，基于张量鲁棒主成分分析的微弱故障特征提取效果不佳。为此，本文研究在强背景噪声干扰的影响因素下，多通道信号微弱故障特征同步提取。并进一步研究了在强背景噪声和其它组分干扰下，多通道信号故障特征同步提取方法。 本文以旋转机械滚动轴承为研究对象，针对传感器采集到的滚动轴承不同位置多通道信号之间存在相互关联的特性，以多通道振动信号处理为基础，采用相空间重构技术构建轨迹张量，避免忽略了多通道信号之间的高阶关联特征。提出了改进张量鲁棒主成分分析方法，引入了张量平方包络谱基尼系数对改进阈值函数进行参数优化，从而更加高效、精准地提取多通道振动信号中的早期微弱故障特征，实现了强噪声背景下的滚动轴承早期微弱故障诊断。然而在实际的工业生产环境中，除噪声外，还有其它干扰成分的影响。改进张量鲁棒主成分分析方法在理论上假设了轨迹张量的固有结构为单一低Tubal秩子空间，只适用于单组分故障特征信号的提取。因此，进一步提出了基于局部改进张量鲁棒主成分分析的特征提取方法，实现了多组分干扰下的多通道信号故障特征同步提取。 本文主要针对以下两个问题开展研究。在强噪声背景下，弱故障特征提取困难的问题，提出了改进张量鲁棒主成分分析方法。通过开展了滚动轴承加速疲劳试验，对比分析验证了所提方法在强噪声背景下的多通道信号微弱故障特征同步提取的效果。其次，面临多组分干扰下的微弱故障特征同步提取难题，提出了局部改进张量鲁棒主成分分析方法。通过开展齿轮箱轴承典型故障模拟试验，验证了所提方法在多组分干扰下的多通道信号故障特征同步提取的效果。
NETL