一种基于级联经验模态分解齿轮故障诊断方法技术

本发明专利技术涉及一种基于级联经验模态分解齿轮故障诊断方法，其步骤：采用振动传感器对齿轮故障工况进行监测，并采集齿轮故障工况振动信号；将采集到的振动信号采用多级经验模态分解方法进行故障信号局部特征提取，获取本征模态函数：对得到的本征模态函数进行功率谱分析，提取本征模态函数分量IMF的混合单频信息，并判断其是否发生了模态混叠状态；对获得的混叠模态信号IMFj增加辅助信号，以得到新的混合信号；对得到的混合信号初始化，循环直到分解出的所有本征模态函数无模态混叠现象；对最后获得的无模态混叠现象的本征模态函数进行功率谱分析，获取故障特征频率。本发明专利技术能及时、准确地诊断齿轮故障，避免了故障特征难以辨识的问题。

【技术实现步骤摘要】

本专利技术涉及一种故障诊断方法，特别是关于一种面向旋转机械设备中的基于级联 经验模态分解齿轮故障诊断方法。
技术介绍
在众多机械设备中，齿轮箱是机械动力装置中的关键功能部件之一，齿轮箱应用 十分广泛，例如机车、船舶、冶金、航天等领域。机械设备的智能化程度越来越高，安全性、可 靠性和稳定性成为衡量设备性能的关键因素。齿轮是传动动力的重要零件，也是最容易发 生故障的部位，由于齿轮在传动过程中受各种工况的不确定性因素影响，使得齿轮故障诊 断面临着较大的挑战。因此针对齿轮故障诊断与故障预测研究成为机械设备运行过程中的 重要组成部分，对早期判断机械设备故障和保证设备稳定运行具有重要意义。 齿轮振动检测是获取齿轮故障特征的主要方法。目前，对于振动信号的处理已经 有了很多方法，比如快速傅立叶变换、小波分析、EMD等。由于齿轮传动过程中会受到不确定 因素影响，产生的信号在分析过程中往往存在微弱性、混叠性、非线性等特点，使得这些传 统的方法无法得到满意的表征故障的特征参量，因此针对包含在大量噪声下的不确定信息 情况下，目前方法难以为齿轮故障诊断提供一种有效手段。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于级联经验模态分解齿轮故障诊断方 法，该方法在复杂情况下，能及时、准确地诊断齿轮故障，可以实现从原始信号中自适应循 环分离出表征故障特征的参量，使故障特征在不同时间尺度上表现更加明显，从而避免了 故障特征难以辨识的问题。 为实现上述目的，本专利技术采取以下技术方案:一种基于级联经验模态分解齿轮故 障诊断方法，其特征在于包括以下步骤：（1)采用振动传感器对齿轮故障工况进行监测，并 采集齿轮故障工况振动信号;设采集到的齿轮断裂状态信号中的振动信号为X(t)，$n(t) 为振动信号X(t)经第i次迭代筛选后的信号;将振动信号x(t)初始化， x(t)=r〇(t)，i = l; (2)将采集到的振动信号x(t)采用多级经验模态分解方法进行故障信号局部特征提取，获 取本征模态函数：（3)对得到的本征模态函数进行功率谱分析，提取本征模态函数分量IMF 的混合单频信息，并判断其是否发生了模态混叠状态：（a)对本征模态分量(^进行功率谱分 析，将功率谱中各个频率对应的幅值从大到小进行排序(Au，A l2.....Αιη)，然后提取幅值排 在前四位的四个幅值以^义^^义^及其对应的四个频率值出^^彳~心丄⑶若本征 模态分量Ci对应的前四位频率值f u，f i2，f i3，f i4中的最大值f i '和最小值f i"的比值n = f i 7 fV' 2 5,则本征模态分量(^发生了模态混叠现象，产生混叠模态信号IMFy然后进入步骤 (4);否则，本征模态分量(^没有发生模态混叠现象，则转到步骤(6); (4)对获得的混叠模态 信号IMF」增加辅助信号s(t)，以得到新的混合信号y(t);(5)对步骤(4)得到的混合信号y (t)初始化，y (t) = r。(t)，i = 1;进入步骤(2)循环，直到分解出的所有本征模态函数无模态 混叠现象；（6)对最后获得的无模态混叠现象的本征模态函数进行功率谱分析，获取故障特 征频率。 所述步骤⑵中，获取本征模态函数方法如下:①令hk-Kt)为信号Γι⑴减去包络 线均值后的第k次迭代筛选后的信号，初始化;②计算信号hk-Kt)的极 值点jk-i(t)和驻点Zk-Kt);③采用三次样条插值方法对极值点jk-Kt)和驻点Zk-Kt)进行插 值计算得到上包络线L k-i(t)、下包络线Dk-Kt)，然后计算上、下包络线的均值mk-Kt)，根据 均值mk-Kt)得到第k+Ι次迭代筛选后的信号h k(t)为:hkUhmUhmk-Kt);④根据本征模 态函数条件，判断信号hk(t)是否为本征模态函数頂F:如果信号h k(t)符合本征模态函数条 件，购?角定该信号为时间尺度本征模态函数^⑴^卩^⑴^"认进入下一步汲之屬返 回至步骤①进行k+Ι次迭代，直到信号h k(t)符合本征模态函数条件为止;⑤令信号^(〇 = n-KO-dU)，并判断信号ri(t)是否为单调函数;如果信号^(〇是单调函数，则进入步骤 (3)，否则返回至步骤①，对信号^(〇进行第i + Ι次迭代，对信号hk-Kt)进行第k+Ι次迭代， 直至信号^(〇是单调函数为止。 所述步骤(3)中，采用自适应单频信息提取方法提取各个本征模态分量頂F的混合 单频ig息： 式中，W(fm)为输出的单频信息；δ为滤波系数调整值;WBPF为带通滤波器;fm为获取 的一个IMF分量信号;δο为滤波系数初始值;N为信号点数;F s为采样频率。 所述步骤⑷中，辅助信号s(t)为:S(t)=aSin(23ift)，式中，a为辅助信号中的幅 值，f为辅助信号中的频率。 本专利技术由于采取以上技术方案，其具有以下优点：1、本专利技术采用级联经验模态分 解方法，对齿轮故障中存在的微弱信息进行有效故障特征提取，在得到不同时间尺度的本 征模态函数分量后，对发生模态混叠现象的分量增加辅助信号，再进行循环经验模态分解， 从而有效提取淹没在噪声中的微弱故障信息。2、本专利技术采用三次样条插值方法将波形的所 有极值点、驻点和拐点进行曲线拟合生成上、下包络线，从而减小传统拟合包络线的误差， 使包络线更能反映波形的特征，从而依次获得最优本征模态函数，为故障特征参数的有效 提取提供可靠数据，进一步提高早期故障预警诊断的准确性。【附图说明】 图1是本专利技术的整体流程图； 图2是本专利技术实施例中齿轮箱振动信号的原始信号示意图； 图3是本专利技术实施例中对原始信号进行第一级EMD分解后的结果示意图； 图4是本专利技术实施例中对本征模态分量C1进行第二级EMD分解后的结果示意图。【具体实施方式】 下面结合附图和实施例对本专利技术进行详细的描述。 如图1所示，本专利技术提供，该方法是 通过对发生模态混叠现象的本征模态函数添加辅助信号后，对其进行再次EMD分解，并循环 这个步骤，直到分解出的所有本征模态函数为无模态混叠现象，以获取反映原始信号故障 特征的高质量本征模态函数MF，得到故障齿轮特征频率，其包括以下步骤： (1)采用振动传感器对齿轮故障工况进行监测，并采集齿轮故障工况振动信号;设 采集到的齿轮断裂状态信号中的振动信号为x(t)，$ ri(t)为振动信号x(t)经第i次迭代筛 选后的信号;将振动信号x(t)初始化，X(t)=r Q(t)，i = l; (2)将采集到的振动信号x(t)采用多级经验模态分解方法进行故障信号局部特征 提取，获取本征模态函数。具体方法如下：①令hk-i (t)为信号ri (t)减去包络线均值后的第k次迭代筛选后的信号，初始化h。 (t) =ri-i(t) ,k=l;②计算信号hk-l (t)的极值点jk-l (t)和驻点zk-l (t)。③采用三次样条插值方法对极值点jk-i (t)和驻点zk-i (t)进行插值计算得到上包 络线LhU)、下包络线DhU)，然后计算上、下包络线的均值mk-Kt): 根据均值rn^t)得到第k+1次迭代筛选后的信号hk⑴为： hk(t) =ri-i(t)-mk-i(t) ； (2) ④根据本征模态函数条件，判断信号hk(t)是否为本征模态函数IMF本文档来自技高网...

【技术保护点】
一种基于级联经验模态分解齿轮故障诊断方法，其特征在于包括以下步骤：(1)采用振动传感器对齿轮故障工况进行监测，并采集齿轮故障工况振动信号；设采集到的齿轮断裂状态信号中的振动信号为x(t)，令ri(t)为振动信号x(t)经第i次迭代筛选后的信号；将振动信号x(t)初始化，x(t)＝r0(t)，i＝1；(2)将采集到的振动信号x(t)采用多级经验模态分解方法进行故障信号局部特征提取，获取本征模态函数：(3)对得到的本征模态函数进行功率谱分析，提取本征模态函数分量IMF的混合单频信息，并判断其是否发生了模态混叠状态：(a)对本征模态分量ci进行功率谱分析，将功率谱中各个频率对应的幅值从大到小进行排序(Ai1,Ai2.....Ain)，然后提取幅值排在前四位的四个幅值(Ai1,Ai2,Ai3,Ai4)及其对应的四个频率值(fi1,fi2,fi3,fi4)；(b)若本征模态分量ci对应的前四位频率值fi1,fi2,fi3,fi4中的最大值fi'和最小值fi”的比值则本征模态分量ci发生了模态混叠现象，产生混叠模态信号IMFj，然后进入步骤(4)；否则，本征模态分量ci没有发生模态混叠现象，则转到步骤(6)；(4)对获得的混叠模态信号IMFj增加辅助信号s(t)，以得到新的混合信号y(t)；(5)对步骤(4)得到的混合信号y(t)初始化，y(t)＝ro(t)，i＝1；进入步骤(2)循环，直到分解出的所有本征模态函数无模态混叠现象；(6)对最后获得的无模态混叠现象的本征模态函数进行功率谱分析，获取故障特征频率。...

【技术特征摘要】

【专利技术属性】
技术研发人员：任彬，杨绍普，乔卉卉，郝如江，庄珊娜，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北;13