摘要: 现代机械设备更加智能化、集成化、精细化。面临的运行环境更加复杂多变，在国民经济体系中承担着越来越重要的责任。一旦设备发生故障，就有可能造成一定的经济损失，严重时甚至会引发重大安全事故。因此，对机械设备进行运行状态评估，分析其性能退... 展开 现代机械设备更加智能化、集成化、精细化。面临的运行环境更加复杂多变，在国民经济体系中承担着越来越重要的责任。一旦设备发生故障，就有可能造成一定的经济损失，严重时甚至会引发重大安全事故。因此，对机械设备进行运行状态评估，分析其性能退化趋势非常重要。 机械设备振动信号复杂化、非线性、耦合度高，针对其故障信号微弱，难以发现等特点，本文提出了基于流形空间主曲线相似度的机械设备运行状态评估方法，并完成了软件系统开发与算法验证实验。本文主要完成了以下三个方面的内容： ①机械设备运行状态评估首要解决的是特征提取过程，本文首先提取单一时域、频域、小波包能量等38个常用特征量，然后，结合振动信号的 Wigner-Ville时频分布与图像相似度评价指标复小波指数，提出了新的特征量─WVD&CW-SSIM，通过滚动轴承全寿命实验验证了该特征量对振动信号变化的敏感性，且能发现滚动轴承运行过程中的早期故障。最后，针对机械振动信号的非线性、耦合度高，单一域特征无法全面表征其特性的特点，提出了基于流形学习的多特征融合方法，将时域、频域、小波包能量以及WVD&CW-SSIM等39个特征量融合构成原始高维特征集，多域、多空间、多角度地描述振动特性，同时，使用基于图谱的流形学习算法拉普拉斯特征映射（LE）将高维特征空间最大程度无失真地转换到低维空间。 ②针对机械设备故障信号微弱，无法准确发现其早期故障等特点以及常规状态评估方法HMM模型与DBN网络参数选取困难、训练学习过程复杂等缺点，本文提出了基于流形空间Hausdorff距离的主曲线相似度运行状态评估方法。并针对原始软-K主曲线初始迭代次数必须人为设定的缺陷，通过引入评判函数实现了自适应迭代次数设定，同时，建立了基于流形空间主曲线相似度的机械设备运行状态评估算法总流程。最后，通过滚动轴承加速退化实验验证了本文算法对轴承故障信号比较敏感，能更早地发现轴承故障，且无需复杂的训练学习与参数选取过程。 ③结合 VC++与 Matlab开发了机械设备运行状态评估软件系统，并对现场环境下的风电机组齿轮箱振动运行数据进行检测评估，描述其性能退化过程。 收起