基于时空全状态建模和并行仿真的机械系统损伤监测与故障诊断研究

针对大型机械结构与系统可能发生大范围随机分布、并随时间发展的数个损伤以及不同机械系统工作载荷或激励有很大差别的特点，研究大型机械结构的子结构与整体结构的工作模态参数在线自适应辨识方法,建立开放式机械结构工作模态分析算法工具库和自动查询策略。在此基础上研究机械系统子结构时间扩展建模与当量载荷辨识、综合以及整体机械结构基于时空可扩展模态模型矩阵的建模方法，进而发展成覆盖整个所研究的机械系统空间和时间跨度的模态模型矩阵，并进行简约化处理。研究以损伤检测与分离为目的的模型矩阵元素自组织在线并行仿真与输出信号的统计学、适应域与智能分层综合处理，提取故障特征与多特征解耦，实现多故障辨识、定位与程度估计。最终实现大型机械系统与结构最大限度时空覆盖的全状态动态损伤监测与故障诊断，以解决损伤与故障的漏检、误检以及故障定位、发展趋势与程度估计等问题。

机械设备不断朝大功率、高速、高效的方向发展，导致机械系统日趋复杂，其中包括组成系统的子系统数量众多，结构的复杂化、功能的集成化和运行状态的多样化等。大型机械结构的损伤监测与故障诊断既要贯穿其生产运行的整个过程，也要涉及机械结构的各个部分。本项目研究了多种工作模态建模方法和适用条件，对抗干扰能力较强的工作模态分析方法进行了深入的分析。提出一种基于独立分量分析的模态分析方法，此法不但适用于短响应数据的工作模态参数辨识，还可提高辨识的准确率；深入研究了基于传递率的工作模态算法，在谐波干扰条件下可有效屏蔽虚假模态；提出了一种精度较高的由振动加速度监测数据获取应变模态参数的方法。探讨了将模态参数应用于损伤监测的方法，在对损伤敏感的模态参数分析的基础上，构造了新的损伤敏感因子。在子结构模态模型分析的基础上，进行了子结构综合的研究。提出了基于模型和实测数据的波动载荷识别方法。为了满足机械设备长期状态监测及运行趋势分析的需要，建立了一种合理的空间、时间和属性联合的数据模型——时空数据模型,讨论了数据降维方法。进行了长时间跨度的损伤状态建模方法的研究，应用于损伤状态下模型参数的变化趋势分析和剩余使用寿命预测分析。研究了面向机械设备的动力学模型仿真、控制系统模型仿真和系统辨识模型仿真，以及它们之间的联合仿真，为监测和诊断提供理论依据。对机械系统进行刚柔耦合仿真分析，提高了仿真结果的分析精度。提出了基于神经网络系统辨识的虚拟响应谱序列诊断方法，将其用于复杂系统的故障诊断中，提高了诊断的可信度。研究了基于多层时空域信息融合的多Agent故障诊断模型，该模型集信息传递、相互协作和智能诊断机制为一体。模型中各个具有诊断功能的独立Agent并行地执行本地的诊断任务，同时和其他诊断Agent交换相关的信息，各Agent之间相互核对校正，相互协同，基本实现研究对象最大限度时空覆盖的动态损伤监测与故障诊断。