基于小波理论和多时间尺度建模的旋转部件健康监测研究

故障特征信息作为故障诊断与寿命预测的输入直接与最终结果的准确度相关联，因而有效的故障特征提取是当前健康监测领域一个需要重点研究并解决的核心问题。本课题首先利用信息论开展小波理论中的基小波选择研究，从提高特征提取的准确度出发，定量的给出适用于旋转部件振动信号分析的基小波选择准则。随后深入研究小波理论框架下具有最优判别信息的多尺度小波包分解的特征提取方法。在此基础上综合利用实验模型描述旋转部件的快变时间尺度行为以及物理模型描述旋转部件故障发生与发展过程的慢变时间尺度行为,开展基于多时间尺度建模的旋转部件寿命预测研究。可以预计，本课题所提出的基小波定量化选择准则及特征提取方法的实现不仅有助于提高旋转部件健康监测的质量，亦可推动其它工程领域中信号识别与分类方法的研究。而多尺度时间建模策略的研究，则提供了一种解决旋转部件寿命预测问题的新思路和新方法，在机械系统健康监测领域具有重要的理论和实践意义。

项目针对故障特征提取以及寿命预测等当前健康监测领域需要重点研究并解决的核心问题开展研究。基于小波变换理论，研究定量化小波选取以及具有最优判别信息的多尺度小波包分解的特征提取方法。进一步综合利用实验模型描述旋转部件的快变时间尺度行为以及物理模型描述旋转部件故障发生与发展过程的慢变时间尺度行为，开展基于多时间尺度建模的旋转部件寿命预测研究。经过四年的努力，分别提出了基于相关测度和共信息熵的定量化小波选取策略；提出了基于局域判别基的最优小波包分解算法；提出了基于改进递归定量分析的机械部件退化跟踪方法；提出了增强型粒子滤波的故障预测方法；提出了基于相空间弯曲和改进帕里斯模型的多时间尺度建模的寿命预测方法。共发表22篇期刊论文、5篇会议论文，其中被SCI收录17篇，ESI热点论文和高被引论文1篇，EI收录论文21篇，申请发明专利6项，其中已授权1项。培养博士生2人（已毕业1人）、硕士生4人（已毕业3人）。项目研究成果中定量化小波选取的研究，不仅提高了旋转部件健康监测的质量，同时亦推动了小波变换理论在其它工程领域中的应用。多时间尺度建模的方法则为机械旋转部件的剩余使用寿命预测研究提供了一种新的研究思路。