吴响容

(浙江经济职业技术学院 物流与供应链管理学院,浙江 杭州 310018)

0 引 言

工业4.0时代已经到来,机械设备朝着高强度、精密化、复杂化、集成化和自动化的方向发展[1,2],这对连续、高速运转中机械设备的可靠性也提出了更高的要求[3,4]。

通过采集和分析振动信号的特征,对机械设备实施在线监测与故障预警,可以有效地避免机械设备电子故障,减少设备停机带来的巨大损失,并保护现场操作人员的生命安全。机械设备运转中如果电子控制部分发生故障,会直接导致振动参数与设备的运行状态发生改变[5],因此,基于振动信号监控设备相关参数变化是实现在线故障诊断的有效方法之一。汇总当前机械设备电子故障在线监测与诊断方案,主要有时域信号分析方法[6]、频域信号分析方法[7]及时频域特征相结合的诊断方法[8]。其中,时域信号分析通过判断时域信号时间序列与波形的变化,确定出峭度值、偏度值等具体指标的改变;频域信号分析方法侧重于对故障信号的频谱分析,从原始信号中分离出异常的频率成分;时频域联合分析方案,即是结合上述两种分析方法的优点,利用傅里叶变化或小波变换将原始故障信号时域和频域上的特征拆分成基本信号的加权形式[9,10],以识别出原始故障信号中是否存在异常。

但复杂机械设备在连续、高负荷状态下会产生海量的故障源数据,样本中还包含大量噪声和冗余[11,12],导致现有故障数据处理方法的效率不断降低,存储成本持续攀升,丢失一部分细节特征。……