1、機(jī)械設(shè)備在運(yùn)轉(zhuǎn)過程中會(huì)產(chǎn)生振動(dòng)與沖擊，這些振動(dòng)信號(hào)中包含大量的設(shè)備狀態(tài)信息，振動(dòng)信號(hào)的分析與處理對(duì)于機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷具有重要意義。然而在實(shí)際應(yīng)用中，由于現(xiàn)場(chǎng)環(huán)境復(fù)雜，所測(cè)得的振動(dòng)信號(hào)往往含有大量噪聲，使得蘊(yùn)含設(shè)備狀態(tài)信息的特征信號(hào)比較微弱甚至被噪聲淹沒，極大地影響了對(duì)機(jī)械設(shè)備的監(jiān)測(cè)與故障診斷。針對(duì)此問題，本文結(jié)合國(guó)家自然科學(xué)基金項(xiàng)目“微弱沖擊信號(hào)的識(shí)別和提取技術(shù)研究”(編號(hào):51175466)開展了“微弱機(jī)械沖擊信號(hào)的檢測(cè)與提

2、取方法研究”的博士論文研究，對(duì)強(qiáng)背景噪聲下微弱沖擊信號(hào)的檢測(cè)與提取方法進(jìn)行了系統(tǒng)研究，分別從微弱信號(hào)的檢測(cè)、多源故障信號(hào)分離、時(shí)域和頻域特征提取等方面提出了微弱沖擊信號(hào)的分析處理方法。論文的主要研究?jī)?nèi)容如下:
　　針對(duì)微弱沖擊信號(hào)的檢測(cè)與提取問題，提出了一種基于自適應(yīng)Morlet小波變換的微弱沖擊信號(hào)檢測(cè)方法。按照最小香農(nóng)熵準(zhǔn)則按順序優(yōu)化母小波的中心頻率和帶寬參數(shù)，以參數(shù)優(yōu)化后的Morlet小波對(duì)含有強(qiáng)噪聲的沖擊信號(hào)進(jìn)行小波變換，

3、獲得若干小波系數(shù)，隨后以峭度為指標(biāo)篩選出包含沖擊成分的系數(shù)，最后將篩選出的系數(shù)通過逆小波變換重構(gòu)沖擊信號(hào)，從而實(shí)現(xiàn)噪聲抑制與微弱信號(hào)的檢測(cè)與提取。仿真實(shí)驗(yàn)結(jié)果表明該方法能夠有效去除噪聲，并且在低信噪比下仍然優(yōu)于其他方法。
　　針對(duì)多源混合故障信號(hào)的分離問題，提出了一種基于獨(dú)立成分分析(Independent Component Analysis，ICA)的故障多源信號(hào)分離方法。首先詳細(xì)闡述了盲源分離（Blind Source Se

4、paration，BSS）問題與獨(dú)立成分分析算法的原理。采用基于負(fù)熵的對(duì)稱（平行）正交化估計(jì)多個(gè)獨(dú)立成分的FastICA算法，對(duì)多路加速度傳感器采集到的振動(dòng)信號(hào)進(jìn)行盲源分離，隨后對(duì)得到的幾組獨(dú)立成分進(jìn)行共振解調(diào)處理，最后通過頻譜分析確認(rèn)包含故障特征的獨(dú)立成分，實(shí)現(xiàn)特定故障特征沖擊信號(hào)的分離。通過對(duì)仿真信號(hào)和軸承點(diǎn)蝕故障信號(hào)的分析和處理，驗(yàn)證了該方法能夠從多測(cè)點(diǎn)多傳感器的混合信號(hào)中分離出故障信號(hào)。
　　針對(duì)微弱沖擊信號(hào)的故障源定位問

5、題，提出了一種基于希爾伯特黃變換(Hilbert-Huang Transform，HHT)和赤池信息準(zhǔn)則(Akaike Information Criteria，AIC)的沖擊信號(hào)起振點(diǎn)確定方法。該方法首先利用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)將信號(hào)分解為若干模態(tài)，隨后對(duì)各模態(tài)進(jìn)行希爾伯特變換求得各模態(tài)的瞬時(shí)頻率，并搜尋其AIC方程的最小值，對(duì)應(yīng)的采樣點(diǎn)即為沖擊信號(hào)的起振點(diǎn)。仿真實(shí)驗(yàn)結(jié)果表明

6、該方法能夠準(zhǔn)確得到?jīng)_擊信號(hào)的起振點(diǎn)，隨著背景噪聲的增強(qiáng)依然保持良好的準(zhǔn)確性與穩(wěn)定性。
　　針對(duì)旋轉(zhuǎn)類機(jī)械故障周期性沖擊信號(hào)特征提取問題，提出了基于數(shù)學(xué)形態(tài)學(xué)濾波的沖擊信號(hào)頻率特征提取方法。該方法以形態(tài)學(xué)濾波后故障特征頻率對(duì)應(yīng)幅值為指標(biāo)，對(duì)結(jié)構(gòu)元素的長(zhǎng)度以及形態(tài)學(xué)濾波器的尺度兩個(gè)參數(shù)進(jìn)行了二維尋優(yōu)，得到最優(yōu)的形態(tài)學(xué)濾波器，并以此對(duì)沖擊信號(hào)進(jìn)行濾波處理，得到其中的周期性沖擊成分并提取頻率特征。通過對(duì)仿真沖擊信號(hào)和實(shí)際軸承點(diǎn)蝕故障信號(hào)的