中文摘要：

冶金工业中转炉倾动机构、钢包回转台等设备，由于转速低、载荷时变，其状态信号呈现出复杂的非平稳特征。本课题以这类设备的特征提取和故障诊断方法为主要研究内容，拟应用数学形态学分析和相空间重构理论，研究基于相重构和主流形识别的降噪方法，解决复杂非平稳信号的噪声抑制问题；研究基于"时间-形态尺度-匹配程度"三维谱图的分析方法，解决单一故障的非平稳特征多尺度分析问题；研究基于多结构元素的信号形态分解方法，解决复杂信号中多故障的特征提取与分离问题；研究基于相空间动力学流形结构的设备故障分类方法，为设备的状态预警提供科学依据。本课题的预期研究成果不仅可以应用于冶金工业，而且在石化、电力、采矿、水利、生物医学等各个领域都有着广泛的应用前景，具有重要的理论价值和实用工程意义。

结论摘要：

冶金工业中转炉倾动机构、钢包回转台等设备，由于转速低、载荷时变、转速不平稳，其状态信号常常呈现出复杂的非平稳特征，并且故障特征信号非常微弱。研究低速变载设备的故障特征提取与故障辨识方法，对于防止突发性事故，降低设备维修费用，提高经济效益具有非常重要的现实意义。本课题组运用数学形态学、相空间重构等信号分析理论，以低速变载设备的特征提取与故障诊断为主要研究内容开展了相关研究，主要取得的研究成果如下（1）在低速变载设备信号降噪方面，提出了基于双算子形态滤波的信号降噪方法，避免了传统方法易造成过度膨胀或腐蚀的局限性，可更好地保留信号细节特征；提出了基于加权的多尺度形态滤波方法，用冲击特征指数作为不同尺度的权重，可更好提取故障特征；针对声发射信号，提出了基于频域形态滤波的有色噪声降噪方法，解决了基于频带分割的传统降噪方法无法避免的有用信号与噪声频段重叠的情况。（2）在低速变载设备信号特征提取方面，提出了基于灰度击中击不中变换的时域特征波形提取方法，给出了信号特征在时域上与结构元素的匹配程度；提出了基于数学形态谱的信号特征表示方法，用多尺度的形态分析方法，将一维信号转换到多尺度的特征空间；提出了基于多频率检测随机共振幅值估计的早期故障信号提取方法；针对旋转设备特征信号往往被调制的现象，提出了基于谱相关分析的低速重载设备故障特征提取方法；针对单一特征往往难以进行全面地评价设备的故障状态，提出了基于信息熵的多特征融合评价方法。（3）在低速变载设备的故障分类与识别方面，针对低速变载设备转速波动，传统频谱分析方法能量泄漏严重、谱线模糊的问题，提出了基于移频STFT的阶比分析技术；针对故障分类的特征优化问题，提出了基于特征波形稀疏匹配的模式识别方法；针对大量无标签样本难以用于分类器训练的问题，提出了基于主动半监督学习故障分类方法；针对分类器输入特征间存在非线性相关的情况，提出了基于核费希尔判别的设备状态分类方法。（4）在低速变载设备的趋势分析与预测方面，提出了基于拉普拉斯权重的高炉送矿皮带张力辊轴承趋势预测方法；提出了相空间重构和最小二乘支持向量机的风机轴承趋势预测方法。 本课题研究方法在理论上丰富了低速重载设备故障特征信号的分析手段，在工程实践中，既可直接用于冶金行业低速变载设备的故障诊断，也可扩展到石化、电力、采矿、生物医学等其他工程领域。