一種基于級聯經驗模態分解齒輪故障診斷方法
【技術領域】
[0001] 本發明涉及一種故障診斷方法，特別是關于一種面向旋轉機械設備中的基于級聯 經驗模態分解齒輪故障診斷方法。
【背景技術】
[0002] 在眾多機械設備中，齒輪箱是機械動力裝置中的關鍵功能部件之一，齒輪箱應用 十分廣泛，例如機車、船舶、冶金、航天等領域。機械設備的智能化程度越來越高，安全性、可 靠性和穩定性成為衡量設備性能的關鍵因素。齒輪是傳動動力的重要零件，也是最容易發 生故障的部位，由于齒輪在傳動過程中受各種工況的不確定性因素影響，使得齒輪故障診 斷面臨著較大的挑戰。因此針對齒輪故障診斷與故障預測研究成為機械設備運行過程中的 重要組成部分，對早期判斷機械設備故障和保證設備穩定運行具有重要意義。
[0003] 齒輪振動檢測是獲取齒輪故障特征的主要方法。目前，對于振動信號的處理已經 有了很多方法，比如快速傅立葉變換、小波分析、EMD等。由于齒輪傳動過程中會受到不確定 因素影響，產生的信號在分析過程中往往存在微弱性、混疊性、非線性等特點，使得這些傳 統的方法無法得到滿意的表征故障的特征參量，因此針對包含在大量噪聲下的不確定信息 情況下，目前方法難以為齒輪故障診斷提供一種有效手段。

【發明內容】

[0004] 針對上述問題，本發明的目的是提供一種基于級聯經驗模態分解齒輪故障診斷方 法，該方法在復雜情況下，能及時、準確地診斷齒輪故障，可以實現從原始信號中自適應循 環分離出表征故障特征的參量，使故障特征在不同時間尺度上表現更加明顯，從而避免了 故障特征難以辨識的問題。
[0005] 為實現上述目的，本發明采取以下技術方案:一種基于級聯經驗模態分解齒輪故 障診斷方法，其特征在于包括以下步驟：（1)采用振動傳感器對齒輪故障工況進行監測，并 采集齒輪故障工況振動信號;設采集到的齒輪斷裂狀態信號中的振動信號為X(t)，$n(t) 為振動信號X(t)經第i次迭代篩選后的信號;將振動信號x(t)初始化， x(t)=r〇(t)，i = l; (2)將采集到的振動信號x(t)采用多級經驗模態分解方法進行故障信號局部特征提取，獲 取本征模態函數：（3)對得到的本征模態函數進行功率譜分析，提取本征模態函數分量IMF 的混合單頻信息，并判斷其是否發生了模態混疊狀態：（a)對本征模態分量(^進行功率譜分 析，將功率譜中各個頻率對應的幅值從大到小進行排序(Au，A l2.....Αιη)，然后提取幅值排 在前四位的四個幅值以^義^^義^及其對應的四個頻率值出^^彳~心丄⑶若本征 模態分量Ci對應的前四位頻率值f u，f i2，f i3，f i4中的最大值f i '和最小值f i"的比值n = f i 7 fV' 2 5,則本征模態分量(^發生了模態混疊現象，產生混疊模態信號IMFy然后進入步驟 (4);否則，本征模態分量(^沒有發生模態混疊現象，則轉到步驟(6); (4)對獲得的混疊模態 信號IMF」增加輔助信號s(t)，以得到新的混合信號y(t);(5)對步驟(4)得到的混合信號y (t)初始化，y (t) = r。(t)，i = 1;進入步驟(2)循環，直到分解出的所有本征模態函數無模態 混疊現象；（6)對最后獲得的無模態混疊現象的本征模態函數進行功率譜分析，獲取故障特 征頻率。
[0006] 所述步驟⑵中，獲取本征模態函數方法如下:①令hk-Kt)為信號Γι⑴減去包絡 線均值后的第k次迭代篩選后的信號，初始化;②計算信號hk-Kt)的極 值點jk-i(t)和駐點Zk-Kt);③采用三次樣條插值方法對極值點jk-Kt)和駐點Zk-Kt)進行插 值計算得到上包絡線L k-i(t)、下包絡線Dk-Kt)，然后計算上、下包絡線的均值mk-Kt)，根據 均值mk-Kt)得到第k+Ι次迭代篩選后的信號h k(t)為:hkUhmUhmk-Kt);④根據本征模 態函數條件，判斷信號hk(t)是否為本征模態函數頂F:如果信號h k(t)符合本征模態函數條 件，購?角定該信號為時間尺度本征模態函數^⑴^卩^⑴^"認進入下一步汲之屬返 回至步驟①進行k+Ι次迭代，直到信號h k(t)符合本征模態函數條件為止;⑤令信號^(〇 = n-KO-dU)，并判斷信號ri(t)是否為單調函數;如果信號^(〇是單調函數，則進入步驟 (3)，否則返回至步驟①，對信號^(〇進行第i + Ι次迭代，對信號hk-Kt)進行第k+Ι次迭代， 直至信號^(〇是單調函數為止。
[0007] 所述步驟(3)中，采用自適應單頻信息提取方法提取各個本征模態分量頂F的混合 單頻ig息：
[0010] 式中，W(fm)為輸出的單頻信息；δ為濾波系數調整值;WBPF為帶通濾波器;fm為獲取 的一個IMF分量信號;δο為濾波系數初始值;N為信號點數;F s為采樣頻率。
[0011] 所述步驟⑷中，輔助信號s(t)為:S(t)=aSin(23ift)，式中，a為輔助信號中的幅 值，f為輔助信號中的頻率。
[0012] 本發明由于采取以上技術方案，其具有以下優點：1、本發明采用級聯經驗模態分 解方法，對齒輪故障中存在的微弱信息進行有效故障特征提取，在得到不同時間尺度的本 征模態函數分量后，對發生模態混疊現象的分量增加輔助信號，再進行循環經驗模態分解， 從而有效提取淹沒在噪聲中的微弱故障信息。2、本發明采用三次樣條插值方法將波形的所 有極值點、駐點和拐點進行曲線擬合生成上、下包絡線，從而減小傳統擬合包絡線的誤差， 使包絡線更能反映波形的特征，從而依次獲得最優本征模態函數，為故障特征參數的有效 提取提供可靠數據，進一步提高早期故障預警診斷的準確性。
【附圖說明】
[0013] 圖1是本發明的整體流程圖；
[0014] 圖2是本發明實施例中齒輪箱振動信號的原始信號示意圖；
[0015] 圖3是本發明實施例中對原始信號進行第一級EMD分解后的結果示意圖；
[0016] 圖4是本發明實施例中對本征模態分量C1進行第二級EMD分解后的結果示意圖。
【具體實施方式】
[0017] 下面結合附圖和實施例對本發明進行詳細的描述。
[0018] 如圖1所示，本發明提供一種基于級聯經驗模態分解齒輪故障診斷方法，該方法是 通過對發生模態混疊現象的本征模態函數添加輔助信號后，對其進行再次EMD分解，并循環 這個步驟，直到分解出的所有本征模態函數為無模態混疊現象，以獲取反映原始信號故障 特征的高質量本征模態函數MF，得到故障齒輪特征頻率，其包括以下步驟：
[0019] (1)采用振動傳感器對齒輪故障工況進行監測，并采集齒輪故障工況振動信號;設 采集到的齒輪斷裂狀態信號中的振動信號為x(t)，$ ri(t)為振動信號x(t)經第i次迭代篩 選后的信號;將振動信號x(t)初始化，X(t)=r Q(t)，i = l;
[0020] (2)將采集到的振動信號x(t)采用多級經驗模態分解方法進行故障信號局部特征 提取，獲取本征模態函數。具體方法如下：
[0021 ]①令hk-i (t)為信號ri (t)減去包絡線均值后的第k次迭代篩選后的信號，初始化h。 (t) =ri-i(t) ,k=l;
[0022 ]②計算信號hk-l (t)的極值點jk-l (t)和駐點zk-l (t)。
[0023]③采用三次樣條插值方法對極值點jk-i (t)和駐點zk-i (t)進行插值計算得到上包 絡線LhU)、下包絡線DhU)，然后計算上、下包絡線的均值mk-Kt):
[0025] 根據均值rn^t)得到第k+1次迭代篩選后的信號hk⑴為：
[0026] hk(t) =ri-i(t)-mk-i(t) ； (2)
[0027] ④根據本征模態函數條件，判斷信號hk(t)是否為本征模態函數IMF:如果信號hk (t)符合本征模態函數條件，則確定該信號為時間尺度本征模態函數Cl(t)3PCl(t)=h k (t)，進入下一步;反之，如果信號hk(t)不符合本征模態函數條件，則返回至步驟①進行k+1 次迭代，直到信號h k(t)符合本征模態函數條件為止。
[0028] ⑤令信號^(〇=^-1(〇-(：1(〇，并判斷信號^(〇是否為單調函數；如果信號^ (t)是單調函數，則進入步驟(3)，否則返回至步驟①，對信號^(〇進行第i+Ι次迭代，對信 號h k-i(t)進行第k+Ι次迭代，直至信號ri(t)是單調函數為止。
[0029] (3)對得到的本征模態函數進行功率譜分析，提取本征模態函數分量MF的混合單 頻信息，并判斷其是否發生了模態混疊狀態;其中，本發明采用自適應單頻信息提取方法提 取各個本征模態分量頂F的混合單頻信息：
[0032]式中，W(fm)為輸出的單頻信息；δ為濾波系數調整值;WBPF為帶通濾波器為獲取 的一個IMF分量信號;δ〇為濾波系數初始值;N為信號點數;Fs為采樣頻率。
[0033] 判斷是否發生模態混疊狀態方法如下：
[0034] (a)對本征模態分量ci進行功率譜分析，將功率譜中各個頻率對應的幅值從大到 小進行排序(Au，A l2……仏丄然后提取幅值排在前四位的四個幅值⑷^^仏""及其 對應的四個頻率值(f η，f i2，f i3，f