基于改进连续变分模态分解的旋转机械故障诊断方法技术

基于改进连续变分模态分解的旋转机械故障诊断方法，包括：S1：采集振动信号；S2：设置平衡参数α的变化范围和增大步长；S3：以α增大的每一步值执行连续变分模态分解SVMD；S4：计算每一步所得模态分量的能量位置指标值EP；S5：找出每一步的最小EP指标值及其对应目标模态分量的序号；S6：画出α与每一步最小EP指标值及目标模态分量序号之间的关系曲线；S7：找出α的最优值；S8：找出α最优值对应的目标模态分量序号；S9：以α最优值执行SVMD，选取最优目标模态分量；S10：提取故障特征频率，实现旋转机械故障诊断。本发明专利技术克服了现有的SVMD中平衡参数难以确定、目标模态分量难以选取的问题，可以方便有效地实现旋转机械故障诊断。可以方便有效地实现旋转机械故障诊断。可以方便有效地实现旋转机械故障诊断。

【技术实现步骤摘要】
基于改进连续变分模态分解的旋转机械故障诊断方法


[0001]本专利技术属于机械故障诊断
，尤其涉及一种基于改进连续变分模态分解的旋转机械故障诊断方法。

技术介绍

[0002]旋转机械设备中通常包含有轴承、齿轮等旋转零部件，它们对旋转机械设备的正常运行有至关重要的影响。然而，在实际中，这些零部件经常要在动态载荷、交变载荷甚至过载的工况下运行，容易出现各种类型的故障损伤，如点蚀、裂纹、剥落和磨损等，严重影响旋转机械设备的使用性能和经济效益。因此，有必要采取行之有效的技术措施对旋转机械设备进行状态监测与故障诊断，以便及早发现损伤零部件，并对其及时维修或更换，防患于未然，旋转机械设备的维护维修成本。
[0003]旋转机械设备状态监测与故障诊断的一大常用方法是采集设备的振动信号，对振动信号进行处理与分析，识别出其中的故障特征，进而对设备的故障状态进行诊断。但由于旋转机械设备中的旋转零部件通常有很多个，不同旋转零部件激励的振动信号会相互耦合叠加，而损伤零部件激励的振动信号，在激励源到振动信号采集点的传递路径上又通常会存在较大程度的衰减，再加上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进连续变分模态分解的旋转机械故障诊断方法，包括以下步骤：S1：在旋转机械设备上，以f
s
为采样频率，采集一段长度为L的振动信号x(t)；S2：设置平衡参数α的变化范围为[α
min
,α
max
]，令α从α
min
开始，以步长s
α
增大，增大到第i步时的值为：α
i
＝α
min
+(i
‑
1)
·
s
α
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(I)其中，i＝1,2,3,
…
,N
s
，N
s
为α增大的总步数，且N
s
＝(α
max
‑
α
min
)/s
α
+1；S3：以α
i
作为平衡参数，执行连续变分模态分解SVMD，得到多个模态分量u
ik
(t)(k＝1,2,
…
,K
i
)，其中k为模态分量的序号，K
i
为第i步连续变分模态分解SVMD所得的模态分量个数；S4：计算模态分量u
ik
(t)的能量位置指标值EP
i
(k)；S5：从K
i
个能量位置指标值EP
i
(k)中找出最小值minEP
i
及其对应目标模态分量的序号ON
i
；S6：根据最终得到的N
s
个minEP
i
值，画出α
i
与minEP
i
之间的关系曲线，同时画出α
i
与ON
i
之间的关系曲线；S7：利用α
i
与minEP
i
之间的关系曲线，找出在平衡参数α增大的过程中，minEP
i
最小值所对应的α值，以该值作为平衡参数α的最优值α
opt
；S8：利用α
i
与ON
i
之间的关系曲线，找出α
i
取值为α
opt
所对应ON
i
的值ON
T
；S9：以α
opt
作为平衡参数α的值，执行连续变分模态分解SVMD，得到多个模态分量，从中选取第ON
T
个模态分量为最优目标模态分量u
opt

【专利技术属性】
技术研发人员：郭远晶，杨友东，姜少飞，金晓航，
申请(专利权)人：浙江工业大学之江学院，
类型：发明
国别省市：