应用经验模态分解下的AR模型提取旋转机械故障特征_论文

第 3 5卷 第 4期  2 1 年 7月  01 燕 山大 学学 报  J u na  fYa ha Uni riy o r lo ns n  ve st  Vl1 0 .35 O.4  N   J y 201  ul 1 文 章 编号 :1 0 -9 X (0 1 40 4 —5 0 77 1 2 1 )0 -3 20   应 用 经验 模 态分 解 下 的 AR模 型 提 取 旋 转 机械 故 障特 征  孟 宗  ,顾 海 燕  ( 燕山大学 河北省测试计量技术及仪 器重点 实验 室,河北 秦皇 岛 0 6 0 ) 60 4  摘  要 :将 时间序 列 的 AR模 型 引入 到旋 转 机 械故 障 诊 断 中 ,采 用 了经 验模 态 分 解 与 A R模 型 相 结 合 的方 法 提  取旋转机械 的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析 ,提取 故障特征 ,分析故障原  因 。 仿真 和 试 验 结 果表 明, 此 法 能够 有 效 地 提取 故 障 特 征 参数 ,为 旋 转机 械 的故 障 诊 断提 供 了方 法保 障 。   关键 词 :E MD:AR模 型 ; 故 障特 征 提 取 :旋 转 机 械  中 图分 类 号 :T 2 6 P 0  文 献标 识码 :A   D : 1 .9 9 .s .0 77 1 .0 10 .1  OI 03 6 0i n1 0 —9 X2 1 .40 1 s 0 引言  大 型旋 转机 械如 轧机 、风 机和 汽轮 机等 是冶  t n MD)方法是近年发展起来 的一种新 的非线  i ,E o 性 、非平稳信号分析 方法 , 被认 为是对 以傅立叶变  换为基础 的线性和稳态谱分析 的一个重大突破 。   目前 ,Hi et a g 变换 已经 成功应用 于生物 医  l rHu n b — 学口   、故障诊断  等领域 的研 究,并取 得很好 的  金 、电力 、石 油化 工等部 门的关键 设备 。由于工作  环境 、使用寿命 的限制 ,机械设备 中某 些部件难免  出现一些故 障而影响其正常工作 , 时甚 至会 机毁  有 人亡 , 造成 重大经济损失 。因而对这些机械装 备实  施状 态监测和故 障诊 断具有重要意义 。近年来 , 越  来 越 多 的学 者把 目光投 向旋 转机 械设 备故 障诊 断  领域 。机械故 障诊断一般 有 3个 步骤 :1 )故 障信  效果 。该方法 从信号 的局部特 征时间尺度 出发 ,把  复杂信号 函数分解 为若干个 固有模 态函数 ( tn  I r— ni s   d  u ci ,I )之和 , 由于 E i Mo eF n t n MF c o MD方法  是依据信 号本身 的信息进 行 的分解 ,得到 的 I   MF 通 常是 个数有限 的, 而且表现信 号 内含的真实物理  号 的采集 ;2 障特 征的提取 ;3 )故 )状态识别和故  障诊 断。 如何从 复杂的机械动态信 号中提取到有效  的 故障特 征信 息是解 决 大型 复杂机 械 设备监测 与  诊断 问题 的关键 。具有 故障的机 械在运行 时,其振  信息 ,因此 E MD 方法是 自适应 的信号处理方 法,   非常适合处理非线性和非平稳过程 [  R模型是  8A 1 o 一 种时 间序列 分析方法 【 9 ] 自回归参数对状态变  ,其 化是十分有 效的,能够深刻 、集 中地表 达动态系统  的客观规律 。 但是 AR模 型对非平稳信 号的分析效  果不理 想 ,而旋 转机 械故 障信 号表现 为非 平稳 信  号,不 能直 接对 信号建立 A R模型 。而经验模 态分  动信 号绝大 多数 是非平稳和非线性 的, 这些 非平稳  和 非线性 的振动信 号包含 了大量 的故障特 征信息 。   较 为典型 的时频分析 方法有短时傅立 叶分 析、 小波  分析 、Win r ie g e- l 分布等 。傅立叶分析 的时间分  Vl 辨率 和频率分辨率不 能同时达到最佳 ; g e- i  Winr l V— l e分布 在分析 多分量信 号 时存 在严 重 的交 叉干扰  项 ;小波分析受 小波基 函数的 限制 ,会造成信号能  量 的泄漏 , 无法 正确分析信号 随时间变化的振幅和  频率 Ⅲ   。 解得 到的 I MF分量是平稳 的,可 以对各个 I MF分  量 建立 自回归模 型 ,从 而提 取振 动信 号 的故障信  息  因此 ,本文将 E MD和 A R模 型结合应用 到旋  转机 械 故障特 征提 取 中,首先 对 故障信 号进 行分  解 , 到若干个平稳分量 ,然后对包含 故障信息 的  得 分量做功率谱 分析,提取 故障频率 ,实现 故障特征  提 取 。通过对 故障信 号 的分 析 ,验证 了 E MD 和  经 验模 态 分解 ( mp i l d   c mp s  E ic   r a Mo eDeo o i — 收 稿 日期 :2 1—30   0 10 —8 基 金 项 目:河 北省 自然 科 学基 金 一 铁联 合 研 究 基 金 资助 项 目 ( 2 0 00 0 ) 钢 F 0 9 0 50 ;河 北 省 教育 厅 科 学 研 究 计  划 资 助项 目 (0 74 6 ;秦 皇 岛市 科 学技 术 研 究 与 发 展计 划 资 助 项 目 (0 0 1 8 ) 2009) 2 10A0 8  作 者 简 介 : 孟  宗 ( 97)   17 一 ,男 ,河 北 保 定人 ,博 士 , 副 教授 , 主 要 研 究 方 向 为 信 号 分 析 与 处 理 、旋 转 机 械 故 障 诊 断 ,E i  mal : mz s@ , . d . a  yu r eu c 。 S U 第 4期  孟 宗 等

相关文档

应用经验模态分解下的AR模型提取电动机故障特征
基于经验模态分解的旋转机械故障信号去噪源分离
基于经验模态分解与支持向量机的旋转机械碰摩故障识别方法研究
经验模态分解和AR模型在飞行器健康诊断中的应用
基于经验模态分解和散度指标的风力发电机滚动轴承故障诊断方法
经验模态分解法在电动机铁心故障检测中的应用
基于经验模态分解的功率谱分析法诊断往复压缩机气阀故障
带碰摩耦合故障的转子-滚动轴承-机匣耦合动力学模型
浅谈一种基于AR模型的电厂电动机故障诊断新方法
基于经验模态分解近似熵和支持向量机的农用柴油机故障诊断
电脑版