基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf

基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf

ID:52480092

大小:285.34 KB

頁(yè)數(shù):5頁(yè)

時(shí)間:2020-03-28

基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf_第1頁(yè)
基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf_第2頁(yè)
基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf_第3頁(yè)
基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf_第4頁(yè)
基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf_第5頁(yè)
資源描述:

《基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第36卷第5期東北電力大學(xué)學(xué)報(bào)V01.36.No.52016年1O月JournalOfNortheastDianliUniversity0ct..2016文章編號(hào):1005—2992(2016)05—0052—05基于改進(jìn)HHT的微弱故障信號(hào)特征提取方法周小龍,姜振海2,馬風(fēng)雷2(1.東北電力大學(xué)工程訓(xùn)練教學(xué)中心,吉林吉林132012;2.長(zhǎng)春工業(yè)大學(xué)機(jī)電工程學(xué)院,長(zhǎng)春130012)摘要:針對(duì)微弱故障信號(hào)故障特征難以提取的問題,提出一種基于改進(jìn)希爾伯特一黃變換的故障特征提取方法。該方法首先采用平均總體經(jīng)驗(yàn)?zāi)B(tài)分解將故障信號(hào)分解成一系列固有模態(tài)函數(shù),再選取對(duì)故障特征敏感的固有

2、模態(tài)函數(shù)進(jìn)行希爾伯特譜和邊際譜分析,從中提取故障特征。仿真和實(shí)際試驗(yàn)證明:希爾伯特譜和邊際譜能夠清晰呈現(xiàn)故障信號(hào)時(shí)域和頻域內(nèi)的細(xì)微特性,為微弱故障信號(hào)的特征提取提供了一種切實(shí)可行的方法。關(guān)鍵詞:希爾伯特一黃變換;平均總體經(jīng)驗(yàn)?zāi)B(tài)分解;微弱信號(hào);特征提取中圖分類號(hào):TH17文獻(xiàn)標(biāo)識(shí)碼:A在機(jī)械傳動(dòng)設(shè)備中,當(dāng)某一零件出現(xiàn)早期缺陷時(shí),其振動(dòng)信號(hào)十分微弱,往往被其它零部件的運(yùn)行振動(dòng)信號(hào)和背景噪聲所淹沒,為故障的檢測(cè)和診斷帶來(lái)困難¨J。若設(shè)備中出現(xiàn)早期故障而不及時(shí)處理,將使機(jī)械傳動(dòng)設(shè)備無(wú)法平穩(wěn)傳動(dòng),并有可能造成有關(guān)部件報(bào)廢。因此,研究機(jī)械設(shè)備微弱故障信號(hào)的特征提取方法具有重要意義。在

3、機(jī)械傳動(dòng)過(guò)程中,由于轉(zhuǎn)速不穩(wěn)定、負(fù)荷變化和環(huán)境噪聲等因素的影響,其振動(dòng)信號(hào)表現(xiàn)出非平穩(wěn)和非線性的特征。目前對(duì)此類信號(hào)的故障特征提取與診斷常采用倒頻譜分析、共振解調(diào)、時(shí)頻分布和小波變換等方法J。其中,以小波變換的應(yīng)用最為廣泛J。由于小波變換的本質(zhì)是可調(diào)的窗口傅里葉變換,在對(duì)信號(hào)作相關(guān)變換時(shí)會(huì)產(chǎn)生能量泄漏,同時(shí)基函數(shù)選擇困難,使得該方法在獲得較高精度的故障特征時(shí)存在很大困難J。希爾伯特一黃變換(Hilbert-HuangTransform,HHT)是近年來(lái)由Huang_7]等人提出的一種分析非平穩(wěn)和非線性信號(hào)的有效方法。由于HHT方法能自適應(yīng)地將復(fù)雜信號(hào)分解成一系列包含信號(hào)特征

4、的固有模態(tài)函數(shù)(IntrinsicModeFunction,IMF),突顯信號(hào)局部特性,因此被廣泛應(yīng)用于微弱故障信號(hào)診斷領(lǐng)域。蘇中原等人針對(duì)周期平穩(wěn)類微弱故障信號(hào)難以檢測(cè)的問題,提出了基于HHT的故障信號(hào)檢測(cè)方法;楊露等人通過(guò)對(duì)比研究指出,對(duì)于故障引起包絡(luò)變化的信號(hào),在故障特征提取有效性方面,HHT明顯優(yōu)于小波變換;熊圻。。等人使用HHT有效地提取出了轉(zhuǎn)子徑向摩擦故障信號(hào)的時(shí)頻特征;劉繼承¨等人采用形態(tài)濾波和HHT相結(jié)合的方法準(zhǔn)確檢測(cè)出了由滾動(dòng)軸承內(nèi)圈故障所引起的故障特征頻率。雖然HHT方法在該領(lǐng)域有明顯優(yōu)勢(shì),但其仍有不足,這些不足會(huì)限制它在相關(guān)領(lǐng)域的進(jìn)一步發(fā)展。具體表現(xiàn):

5、(1)由于信號(hào)間斷l(xiāng)生,出現(xiàn)了模態(tài)混疊問題,即同一個(gè)IMF中包含不同的頻率成分;(2)對(duì)于機(jī)械故障診斷而言,通常只有部分IMF包含故障信息,其它IMF為噪聲成分或干擾成分。因此,如果上述問題不解決會(huì)使Hilbert譜所提取的故障特征不明顯,同時(shí)降低故障診斷精度?;谏鲜龇治?,本文提出一種基于平均總體經(jīng)驗(yàn)?zāi)B(tài)分解(EnsembleEmpiricalModeDecomposition,收稿日期:2016一【)4—12作者簡(jiǎn)介:周小龍(1987一),男,吉林省長(zhǎng)春市人,東北電力大學(xué)工程訓(xùn)練教學(xué)中心助理實(shí)驗(yàn)師,碩士,主要研究方向:機(jī)械精密加工與故障診斷.第5期周小龍等:基于改進(jìn)HH

6、T的微弱故障信號(hào)特征提取方法53EEMD)和敏感IMF判別算法相結(jié)合的微弱故障信號(hào)特征提取方法。EEMD能有效避免經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomposition,EMD)的模態(tài)混疊現(xiàn)象,敏感IMF判別算法能去除虛假IMF分量,突顯信號(hào)的故障特征。仿真和實(shí)際試驗(yàn)證明了該方法能有效提取故障信息,達(dá)到早期檢測(cè)和診斷的目的。1改進(jìn)HHTHHT方法主要由EMD和Hilbert變換兩部分組成。但是,EMD在分解信號(hào)的過(guò)程中存在模態(tài)混疊問題。該問題會(huì)使EMD分解出的IMF分量失去真實(shí)的物理意義,難以表征信號(hào)特征;而由IMF分量經(jīng)Hilbert變換所得的Hilbert譜

7、的精確性與診斷精度都會(huì)明顯降低。為解決該問題,wu_】等人提出了EEMD分解法。1.1EEMD通過(guò)EMD分解,可以將任何復(fù)雜信號(hào)分解成一系列從高頻到低頻表示該信號(hào)特征時(shí)間尺度的IMFs。EMD分解其實(shí)也是一個(gè)信號(hào)“篩分”的過(guò)程,將信號(hào)(t)作為待處理信號(hào),最終可分解為(t)=∑c(t)+(t),(1)式中:c。,c,?,C為獲得的/Z階IMF;r為殘余分量。EEMD的實(shí)質(zhì)是一種在信號(hào)中加入噪聲的輔助分析方法¨。其具體分解步驟如下:(1)初始化總體平均次數(shù)K和加入的噪聲幅值,并使k=I;(2)給待分析的信號(hào)(t)加入

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。