基于多流形学习的旋转机械复合故障智能诊断方法研究

旋转机械出现故障时常常是多故障并存的复合故障。复合故障的存在增加了零部件失效损坏速度和设备突发性破坏事故频率。复合故障振动信号表现为多故障特征的耦合，在数据空间表现为单故障信号低维主流形间的相互交迭。本项目以转子-轴承系统为对象，研究旋转机械典型复合故障的耦合机理，建立其动力学模型并分析响应特性。利用多流形学习对存在主流形交迭的复杂数据处理上的优势，分析典型单故障和复合故障信号在潜在低维流形上的相互关系，探讨复杂信号本征维数的自适应求解方法，构建故障数据从高维到低维流形的映射函数并对其进行优化，提出复合故障中单故障主流形的提取方法。研究非线性流形学习降噪方法、相关距离测度构建和多故障流形聚类方法，形成基于多流形学习的旋转机械复合故障智能诊断的理论、方法和技术体系。项目研究对提高复合故障诊断的准确率，丰富机械设备故障诊断理论，增强设备运行的可靠性具有重要的学术意义和实际应用价值。

旋转机械复合故障的诊断一直是机械动力学与故障诊断领域的研究热点。项目重点研究旋转机械的复合故障耦合机理和振动特征，流形学习降噪与诊断方法，多流形学习复合故障诊断方法。.项目研究建立了转子-轴承系统的有限元模型，研究了不平衡、不对中及其复合故障的耦合机理，进行了系统模态分析、稳态分析、振动特性分析，轴心轨迹分析，得出在不同转速、不平衡量、转动惯量等因素影响下了带不平衡、不对中及其复合故障的转子-轴承系统的动力学行为和响应特性。.项目研究分析了转子-轴承系统不平衡、不对中、松动故障及不平衡-不对中复合故障、不平衡-松动复合故障信号在低维流形上的相互关系及交迭现象、流形边界及拓展方向特征，研究了本征维数的自适应求解方法、流形降维映射函数的构建方法以及从复合故障中提取单故障主流形的方法，提出基于相似性距离测度和多流形模糊均值聚类的分类方法。.项目研究提出了局部切空间均值重构降噪方法和局部切空间高阶矩分解重构降噪方法并应用于实测数据的降噪过程中。研究了流形学习的基本理论和方法，提出了多层核流形学习故障诊断方法、基于均匀化距离和相似性测度的局部线性嵌入故障诊断方法。提出了多流形学习的研究思路和方法，并将多流形学习分析方法从时域拓展到频域，提出了基于多尺度拉普拉斯特征映射故障诊断方法、基于小波包与局部Fisher判别的复合故障诊断方法和基于流形子带特征映射的旋转机械复合故障诊断方法。.项目研究设计了基于流形学习的旋转机械故障诊断系统、创新了单点激光连续平面扫描测振方法；研究了流形学习方法在流程机械、齿轮传动系统故障诊断中的应用；创新了基于经验模态分解的机械复合故障诊断方法；设计了风力发电机旋转部件故障实验平台。.项目研究通过理论和应用创新，将流形学习方法从时域拓展到时频域，有效提高了旋转机械复合故障诊断的准确率，丰富了机械故障诊断理论与技术，大大提高了机械设备的运行可靠性。