基于CEEMDAN能量熵和馬氏距離的齒輪箱軸承故障診斷方法
發(fā)布時(shí)間：2020-12-01 18:12
針對齒輪箱軸承信號(hào)非平穩(wěn)性及其故障特征難以提取的問題,提出一種自適應(yīng)白噪聲平均總體經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)能量熵和馬氏距離相結(jié)合的故障診斷方法。首先采用CEEMDAN方法對非平穩(wěn)的軸承故障信號(hào)進(jìn)行分解,獲得若干階表征信號(hào)特性的固有模態(tài)函數(shù)(IMF)分量;然后計(jì)算各IMF分量的自相關(guān)函數(shù)和相關(guān)系數(shù),以濾除信號(hào)內(nèi)的噪聲干擾和對故障特征不敏感的IMF分量;最后計(jì)算各敏感故障特征分量的能量熵,將其作為特征參數(shù)形成狀態(tài)特征向量,并使用馬氏距離判別方法對軸承的工作狀態(tài)和故障類型進(jìn)行診斷。通過對實(shí)測不同工況以及不同故障程度的齒輪箱軸承信號(hào)的分析,證明了所提方法的有效性。
【文章來源】：機(jī)床與液壓. 2020年16期 第218-223頁 北大核心
【文章頁數(shù)】：6 頁
【部分圖文】：
不同狀態(tài)下齒輪箱軸承時(shí)域信號(hào)
由圖2可知:由于算法欠穩(wěn)定性,EMD在分解過程中出現(xiàn)了模態(tài)混疊現(xiàn)象,其中低頻分量更為明顯;EEMD方法在一定程度上抑制了模態(tài)混疊問題的產(chǎn)生,但由于參數(shù)設(shè)置的影響,使其無法完全消除向信號(hào)內(nèi)所添加的白噪聲,導(dǎo)致分解結(jié)果中產(chǎn)生了多個(gè)虛假模態(tài)分量。而CEEMDAN方法是依據(jù)信號(hào)特性向其中自適應(yīng)地添加獨(dú)立同分布的噪聲,并在總體平均的計(jì)算中彼此抵消,以降低噪聲成分對于分解結(jié)果的影響。相較于EMD和EEMD的分解結(jié)果,該方法的分解準(zhǔn)確性更高,信號(hào)分解時(shí)產(chǎn)生的模態(tài)混疊問題得到有效抑制,各IMF分量更加有效地表征了原信號(hào)的不同頻率成分。表1列出了不同分解方法在對外圈故障信號(hào)分解時(shí)所需的迭代次數(shù)。可知:雖然EMD方法所用迭代次數(shù)最少,但該方法存在嚴(yán)重的模態(tài)混疊問題,難以實(shí)現(xiàn)信號(hào)的有效分解;EEMD和CEEMDAN的總體迭代次數(shù)分別為17 800和12 635,CEEDMAN方法的總體迭代次數(shù)比EEMD方法降低了39%。由此可知,CEEMDAN方法具有更高的計(jì)算效率。
為選取可有效表征信號(hào)狀態(tài)特性的IMF分量,降低噪聲和虛假成分對于軸承信號(hào)能量特征提取準(zhǔn)確性的影響,采用敏感IMF分量選擇算法,分別計(jì)算CEEMDAN方法分解出各IMF分量的相關(guān)系數(shù)和自相關(guān)函數(shù),結(jié)果如圖3所示。由圖3(a)可知:IMF1～I(xiàn)MF6與原信號(hào)的相關(guān)系數(shù)較大,說明IMF1～I(xiàn)MF6對軸承故障信息較為敏感,結(jié)合圖3(b)及信號(hào)的自相關(guān)函數(shù)特性可知,IMF2為高頻噪聲成分,將其剔除�；谏鲜龇治�,IMF1、IMF3～I(xiàn)MF6分量中包含豐富的故障特征信息,將其作為數(shù)據(jù)源,可提高信號(hào)特征提取的準(zhǔn)確性。
【參考文獻(xiàn)】：
期刊論文
[1]基于小波包熵和馬氏距離的級聯(lián)式變頻器故障診斷[J]. 王銳,王新. 自動(dòng)化儀表. 2017(12)
[2]基于改進(jìn)HHT和馬氏距離的齒輪故障診斷[J]. 周小龍,劉薇娜,姜振海,馬風(fēng)雷. 振動(dòng)與沖擊. 2017(22)
[3]EMD自相關(guān)閾值去噪法在水電機(jī)組振動(dòng)信號(hào)中的研究[J]. 徐艷春,方紹晨. 中國農(nóng)村水利水電. 2017(07)
[4]基于LMD的包絡(luò)譜特征值在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 楊宇,王歡歡,程軍圣,鄒憲軍. 航空動(dòng)力學(xué)報(bào). 2012(05)
[5]希爾伯特-黃變換方法的改進(jìn)[J]. 徐斌,徐德城,朱衛(wèi)平,劉冰野. 西北工業(yè)大學(xué)學(xué)報(bào). 2011(02)
[6]獨(dú)立分量分析在齒輪箱軸承故障診斷中的應(yīng)用[J]. 唐力偉,田廣,張彥,田昊. 軸承. 2010(09)
[7]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥钚《酥С质噶繖C(jī)的滾動(dòng)軸承故障診斷[J]. 王太勇,何慧龍,王國鋒,冷永剛,胥永剛,李強(qiáng). 機(jī)械工程學(xué)報(bào). 2007(04)
本文編號(hào)：2894968
【文章來源】：機(jī)床與液壓. 2020年16期 第218-223頁 北大核心
【文章頁數(shù)】：6 頁
【部分圖文】：
不同狀態(tài)下齒輪箱軸承時(shí)域信號(hào)
由圖2可知:由于算法欠穩(wěn)定性,EMD在分解過程中出現(xiàn)了模態(tài)混疊現(xiàn)象,其中低頻分量更為明顯;EEMD方法在一定程度上抑制了模態(tài)混疊問題的產(chǎn)生,但由于參數(shù)設(shè)置的影響,使其無法完全消除向信號(hào)內(nèi)所添加的白噪聲,導(dǎo)致分解結(jié)果中產(chǎn)生了多個(gè)虛假模態(tài)分量。而CEEMDAN方法是依據(jù)信號(hào)特性向其中自適應(yīng)地添加獨(dú)立同分布的噪聲,并在總體平均的計(jì)算中彼此抵消,以降低噪聲成分對于分解結(jié)果的影響。相較于EMD和EEMD的分解結(jié)果,該方法的分解準(zhǔn)確性更高,信號(hào)分解時(shí)產(chǎn)生的模態(tài)混疊問題得到有效抑制,各IMF分量更加有效地表征了原信號(hào)的不同頻率成分。表1列出了不同分解方法在對外圈故障信號(hào)分解時(shí)所需的迭代次數(shù)。可知:雖然EMD方法所用迭代次數(shù)最少,但該方法存在嚴(yán)重的模態(tài)混疊問題,難以實(shí)現(xiàn)信號(hào)的有效分解;EEMD和CEEMDAN的總體迭代次數(shù)分別為17 800和12 635,CEEDMAN方法的總體迭代次數(shù)比EEMD方法降低了39%。由此可知,CEEMDAN方法具有更高的計(jì)算效率。
為選取可有效表征信號(hào)狀態(tài)特性的IMF分量,降低噪聲和虛假成分對于軸承信號(hào)能量特征提取準(zhǔn)確性的影響,采用敏感IMF分量選擇算法,分別計(jì)算CEEMDAN方法分解出各IMF分量的相關(guān)系數(shù)和自相關(guān)函數(shù),結(jié)果如圖3所示。由圖3(a)可知:IMF1～I(xiàn)MF6與原信號(hào)的相關(guān)系數(shù)較大,說明IMF1～I(xiàn)MF6對軸承故障信息較為敏感,結(jié)合圖3(b)及信號(hào)的自相關(guān)函數(shù)特性可知,IMF2為高頻噪聲成分,將其剔除�；谏鲜龇治�,IMF1、IMF3～I(xiàn)MF6分量中包含豐富的故障特征信息,將其作為數(shù)據(jù)源,可提高信號(hào)特征提取的準(zhǔn)確性。
【參考文獻(xiàn)】：
期刊論文
[1]基于小波包熵和馬氏距離的級聯(lián)式變頻器故障診斷[J]. 王銳,王新. 自動(dòng)化儀表. 2017(12)
[2]基于改進(jìn)HHT和馬氏距離的齒輪故障診斷[J]. 周小龍,劉薇娜,姜振海,馬風(fēng)雷. 振動(dòng)與沖擊. 2017(22)
[3]EMD自相關(guān)閾值去噪法在水電機(jī)組振動(dòng)信號(hào)中的研究[J]. 徐艷春,方紹晨. 中國農(nóng)村水利水電. 2017(07)
[4]基于LMD的包絡(luò)譜特征值在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 楊宇,王歡歡,程軍圣,鄒憲軍. 航空動(dòng)力學(xué)報(bào). 2012(05)
[5]希爾伯特-黃變換方法的改進(jìn)[J]. 徐斌,徐德城,朱衛(wèi)平,劉冰野. 西北工業(yè)大學(xué)學(xué)報(bào). 2011(02)
[6]獨(dú)立分量分析在齒輪箱軸承故障診斷中的應(yīng)用[J]. 唐力偉,田廣,張彥,田昊. 軸承. 2010(09)
[7]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂妥钚《酥С质噶繖C(jī)的滾動(dòng)軸承故障診斷[J]. 王太勇,何慧龍,王國鋒,冷永剛,胥永剛,李強(qiáng). 機(jī)械工程學(xué)報(bào). 2007(04)
本文編號(hào)：2894968
本文鏈接：http://www.lk138.cn/jixiegongchenglunwen/2894968.html
最近更新
教材專著
