基于希爾伯特-黃變換的航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)故障診斷.pdf

1、Hilbert-Huang變換是一種新的具有很強(qiáng)自適應(yīng)能力的時(shí)頻分析方法，它可根據(jù)信號(hào)的局部時(shí)變特征進(jìn)行自適應(yīng)的時(shí)頻分解，得到極高的時(shí)頻分辨率，具有良好的時(shí)頻聚集性，非常適合對(duì)非平穩(wěn)、非線性信號(hào)進(jìn)行分析。目前在故障診斷中得到了廣泛的應(yīng)用。本文利用Hilbert-Huang變換，針對(duì)航空發(fā)動(dòng)機(jī)整機(jī)振動(dòng)中轉(zhuǎn)子和滾動(dòng)軸承故障診斷的問題，進(jìn)行了如下研究工作：
　　 （1）介紹了Hilbert-Huang變換的基礎(chǔ)理論，并將其與包括短時(shí)傅

2、里葉變換、Wigner-Ville分布和小波變換等在內(nèi)的傳統(tǒng)的時(shí)頻分析方法進(jìn)行了比較分析，發(fā)現(xiàn)HHT方法無(wú)需特定的基函數(shù)，可根據(jù)信號(hào)的局部時(shí)變特性進(jìn)行自適應(yīng)的時(shí)頻分解，彌補(bǔ)了傳統(tǒng)時(shí)頻分析方法的缺點(diǎn)。
　　 （2）研究了基于Hilbert-Huang變換的轉(zhuǎn)子故障分析及信號(hào)特征提取。本文運(yùn)用Hilbert-Huang變換原理，通過對(duì)轉(zhuǎn)子故障振動(dòng)位移信號(hào)進(jìn)行EMD分解，得到不同頻率段的各個(gè)IMF分量，然后對(duì)感興趣的IMF進(jìn)行頻譜分析

3、，發(fā)現(xiàn)了故障信號(hào)中所含頻率特征。并用ZT-3型多功能轉(zhuǎn)子實(shí)驗(yàn)器和航空發(fā)動(dòng)機(jī)轉(zhuǎn)子實(shí)驗(yàn)器進(jìn)行了分析驗(yàn)證。
　　 （3）研究了基于Hilbert-Huang變換的滾動(dòng)軸承故障分析及信號(hào)特征提取。本文首先分析了滾動(dòng)軸承故障特征，然后利用EMD分解將滾動(dòng)軸承故障振動(dòng)加速度信號(hào)分解為各個(gè)IMF分量，再用Hilbert變換對(duì)前幾個(gè)IMF進(jìn)行解調(diào)，再對(duì)解調(diào)后的信號(hào)進(jìn)行頻譜分析得到包絡(luò)譜，從包絡(luò)譜上獲取軸承故障特征信息，最后本文利用美國(guó)Case

4、Western Reserve University電氣工程實(shí)驗(yàn)室的滾動(dòng)軸承故障模擬實(shí)驗(yàn)臺(tái)獲取的滾動(dòng)軸承故障數(shù)據(jù)進(jìn)行了分析驗(yàn)證。
　　 （4）為了實(shí)現(xiàn)基于HHT的轉(zhuǎn)子故障智能診斷，需要利用HHT自動(dòng)從故障數(shù)據(jù)中提取出特征向量，本文通過分析比較，提出用于轉(zhuǎn)子和滾動(dòng)軸承故障智能診斷的診斷特征量，分析了特征量的靈敏度。并利用結(jié)構(gòu)自適應(yīng)神經(jīng)網(wǎng)絡(luò)構(gòu)造了用于識(shí)別多類故障的結(jié)構(gòu)自適應(yīng)集成神經(jīng)網(wǎng)絡(luò)模型，對(duì)轉(zhuǎn)子和滾動(dòng)軸承故障樣本進(jìn)行了智能診斷，獲