[00118239]机械早期故障瞬态信息的小波熵检测与自适应提取理论

该项目属机械动力学与振动领域。航空、航天、能源、化工、冶金领域中，许多重大安全事故都因没有检测到早期故障而未能避免，早诊断、早预防是避免各类事故最有效的手段，而现有的机械故障诊断理论和技术主要集中在故障中、后期。许多情况下，故障征兆表现为瞬态信息，对于早期故障，由于机械系统的复杂性和工况的多变性，瞬态信息更加微弱，使早期故障诊断十分困难，存在着亟待解决的科学问题：故障瞬态信息的检测机制急需明晰；微弱瞬态信息的提取理论亟待建立；早期故障诊断与预测模型缺乏等。该项目从瞬态信息的检测和提取入手，揭示了机械故障瞬态信息准确检测的内在机制，构建了微弱故障信息的提取模型，系统地建立了机械早期故障信息的小波熵检测与自适应提取理论。主要成果如下：提出了机械早期故障瞬态信息的小波熵检测理论。提出小波熵的概念，建立了国际上首个基小波的定量化优选原则——小波熵最小准则，实现了基小波与检测信息的匹配，使机械瞬态信息的检测提升到高分辨和定量化的层面，推动了瞬态信号检测理论的发展。该项成果被欧、美、日等国学者直接采纳和跟踪研究，体现该成果的论文已成为国内外学者研究小波检测理论的常引文献。提出了机械早期故障瞬态信号的消噪方法。建立了广义阈值消噪模型及最大似然阈值模型的参数选择策略，独立发展了与美国科学院院士Dono-ho创建的正交小波消噪理论互补的非正交小波消噪方法，实现了极低信噪比下瞬态信号的消噪，填补了机械瞬态信号消噪的空白，为解决机械、电气、能源、医学等领域的瞬态信号消噪问题提供了有力工具。建立了机械早期故障瞬态信息的自适应提取模型。改进了斜率拓展算法，解决了经验模式分解理论提取瞬态信息所遭遇的端点效应问题；建立了小波独立分量分析模型和自适应小波滤波器模型，实现了机械早期故障瞬态信息的自动提取。该项研究发展了瞬态信号自适应提取理论，并被多个国家的学者推广到生物、医学信号瞬态信息的自动提取中。建立了多参数融合的机械早期故障预测模型。提出了实现机械故障预测的基本框架，构造了故障多特征参数的自组织融合模型和支持向量机预测模型，实现了早期故障的自动诊断和稳健的故障预测，发展了智能诊断理论。该项目发表的20篇核心论文被SCI收录，被SCI他引685次(其中8篇代表作他引405次)，由46个国家的1200多名学者在70种国际期刊上进行引用，产生了广泛的国际学术影响，3篇论文(JCR一区期刊)的SCI引用次数位列该论文发表以来各自期刊的TOPl％，其中代表作1被SCI他引200次，位列该文发表以来该杂志所发表的7715篇文章中的第2名。研究成果得到包括美国、英国、加拿大等国家的7名院士和20余名ASME FellOW、IEEE Fellow等在内的国际著名学者的引用和积极评价，指出该项目“建立了小波熵最小准则”，“提出了基于Morlet小波消噪的特征提取方法”，“实现了早期故障诊断”，“是推动故障诊断和系统健康管理的杰出工作”。研究成果获得教育部自然科学奖一等奖，相关成果在中石化得到了应用，推动了振动分析、故障诊断科学分支学科的发展。