基于振動信號分析的傳動系統齒輪故障診斷方法
【專利摘要】本發明涉及一種基于振動信號分析的傳動系統齒輪故障診斷方法,其步驟:1)將原始振動信號x(t)進行n階微分求導,;2)將xn(t)進行一階EMD分解,得到第一個IMF,;其中rn1(t)為一階EMD分解后的殘余分量;3)對IMFn1(t)進行一次積分,;4)對b(n-1)1t進行一階EMD分解,得到,若n-1>0,則n=n-1,繼續進行步驟3、4);5)若n-1=0,則得到原始振動信號x(t)經DEMD分解后的第一個IMF1;6)令x2(t)=x(t)-IMF1,再進行步驟1)-5),得到第二個IMF2;以此進行循環,得到x(t)經n階DEMD分解后的IMF1~IMF(i-1),xi(t)為殘余分量。
【專利說明】基于振動信號分析的傳動系統齒輪故障診斷方法
【技術領域】
[0001]本發明涉及一種傳動系統齒輪故障診斷方法,尤其是一種基于振動信號分析的傳動系統齒輪故障診斷方法。
【背景技術】
[0002]齒輪作為機械設備傳動系統中必不可少的連接和傳遞動力的部件,齒輪的運行狀況可以直接影響到整臺機械的工作效率、可靠性及其壽命。由于整個傳動系統結構復雜,齒輪的工作環境十分惡劣等原因,齒輪的失效是誘發機器故障的主要原因之一,因此齒輪的故障診斷也是傳動系統故障診斷中非常重要的一部分。
[0003]振動分析通過分析傳動系統中旋轉機械如齒輪、軸承等的振動頻率,振動幅度,振動隨時間轉速的變化等特征對早期潛在或已有的故障進行分析判斷,具有較高的精確性。傳統的FFT頻譜分析方法基于被分析信號的穩定性,其處理電機滾動軸承的非線性、非平穩振動信號有一定的局限性。FFT (Fast Fourier Transformation),即為快速傅氏變換。
[0004]傳統的經驗模式分解(Empirical Mode Decomposition,即EMD)方法于1998年由N.E.Huang提出,因其適用于實際非線性非平穩信號的研究,廣泛的應用于信號去噪障診斷和趨勢預測等領域中。然而其在研究的過程中仍存在著許多的問題,如:包絡線擬合、篩選終止準則選擇、邊界處理以及分解中的模態混疊等問題。之后的研究針對這些問題提出了多種改進方法。如模態混疊問題,針對經驗模式分解(EMD)方法在分解特定的如頻率相近的合成信號過程中出現的低頻頂F中混有高頻分量以及分解的內蘊模式分量(IntrinsicMode Functions,即MF)頻率區段沒有嚴格按照從高到低排列的現象。何旭在經驗模式分解的研究及其在故障診斷中的應用(上海,上海交通大學,2005)文獻中提出了微分方法的經驗模式分解(Differential Empirical Mode Decomposition,即 DEMD),但其在分解的后幾階內蘊模式分量(IMF)中會出現分解失真的現象。
【發明內容】
[0005]本發明是要解決解決傳統的經驗模式分解(EMD)方法在分解過程中出現的模態混疊問題,讓各階內蘊模式分量(IMF)的頻率從高到低進行排列,使得分解的結果更能反應原始信號特征,同時改善現有的微分方法的經驗模式分解(DEMD)的分解過程中在后幾階IMF分解過程中出現的失真現象,而提出一種基于振動信號分析的傳動系統齒輪故障診斷方法。
[0006]為實現上述目的,本發明的技術方案是:一種基于振動信號分析的傳動系統齒輪故障診斷方法,包括以下步驟:
I)將原始振動信號ζ ?;進行階微分求導,
【權利要求】
1.一種基于振動信號分析的傳動系統齒輪故障診斷方法,其特征在于,包括以下步驟: ,1)將原始振動信號Z進行/7階微分求導, , 2)將進行一階EMD分解,得到第一個IMF,/(O= JMFrelCO+ ^(i);其中為一階EMD分解后的殘余分量; , 3)對 IMFnl (t)進行一次積分,j"MFri (t/& = ^1J1CO +Vdi (Φ ;,4)對b^t 進行一階 EMD 分解,得到+,若 η-1 > O,則n=n~l,繼續進行步驟3 )、4 ); ,5)若η-1=0,則得到原始振動信號z經DEMD分解后的第一個IMF1; ,6 )令& (t) =x (t) -1MF1,再進行步驟I) — 5 ),得到z⑴經DEMD分解后的第二個IMF2 ;以此進行循環,直到ζ/?)無法繼續 進行分解,得到Z經階DEMD分解后的XiCt)為殘余分量。
【文檔編號】G01N29/46GK103472137SQ201310429075
【公開日】2013年12月25日 申請日期:2013年9月22日 優先權日:2013年9月22日
【發明者】鄭小霞, 葉聰杰, 李東東, 符楊 申請人:上海電力學院