基于改进emd与形态滤波的齿轮故障特征提取new

《基于改进emd与形态滤波的齿轮故障特征提取new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据振动与冲击第29卷第3期JOURNAI．OFVIBRATIONANDSHOCKV01．29No．32010Ill_IlI_--·l·l_ll-·__l___l_l_-_-__··l__l_l·l·-I_-I·-·-_---lll__l__·Io!olI_-____-_I__l___·I·I_·__·_·-l基于改进EMD与形态滤波的齿轮故障特征提取沈路1，杨富春1，周晓军1，刘莉2(1．浙江大学流体传动及控制国家重点实验室，杭州310027；2．内蒙古一机集团大地T程机械有限公司，包头014032)摘要：针对齿轮故障特征往往被强背景噪声淹没的问题，提出一种改进EMD与形态滤波相结合

2、的齿轮故障特征提取新方法。首先采用开一闭，闭一开级联而成的组合形态滤波器对原始故障信号进行消噪处理，然后通过EMD方法将包含在齿轮故障信号中的各个频率族信号分离，再采用互信息方法消除传统EMD分解结果中包含的虚假分量，最后利用分解得到的各阶【司有模态函数为单一分量调制信号的特点，通过差值形态滤波的方式对分量信号进行解调以提取故障特征。齿轮故障实验信号的研究结果表明：该方法可有效的提取齿轮故障特征信息并抑制噪声，而且能够取得比传统包络解调分析更好的效果。关键词：改进EMD；形态滤波；特征提取；齿轮；故障诊断中图分类号：THl65；TN911文献标识码：A齿轮是机械传动中最常用的部件，因此对齿

3、轮的状态监测与故障诊断有着非常重要的意义。齿轮常见的故障包括断齿、磨损和点蚀，这些故障出现时将造成周期性脉冲冲击的产生，从而导致齿轮振动信号产生幅值和相位的调制，而且由于工业现场环境复杂，信号中的故障特征信息往往被噪声所淹没，因此如何在强噪声背景下提取冲击故障特征是齿轮故障诊断的关键。包络解调和小波分析是目前常用的故障特征提取方法¨。2J，但是包络解调需要依靠经验选择带通滤波器参数，这在主观上将给分析结果带来不利的影响。小波分析则由于基函数的长度有限，在对信号进行处理时会产生能量泄漏，而且小波分解仍然是基于频率的线性分解，对于具有非线性非平稳特征的齿轮故障信号难以取得理想的效果。EMD(E

4、mpiricalModeDecomposition)是NordenE．Huang提出的一种自适应信号处理方法¨J，该方法被认为是对以傅里叶变换为基础的线性、稳态频谱分析的一个重大突破，具有自适应的信号分解和降噪能力，目前已经在机械故障诊断领域得到了成功的应用∽。5]。但在EMD分解中仍然存在着产生虚假IMF(IntrinsicModeFunction)分量的问题，尤其是低频的虚假分量№]，这将对分析造成不利的影响。形态滤波是一种基于数学形态学的非线性滤波方法，可以有效地消除噪声并保留原信号中的一些形状特征信息，它在振动信号处理方面的研究正在逐渐深入[7‘9J。本文提出一种基于改进EMD与形

5、态滤波相结合的齿轮故障特征提取方法，首先采用开一闭、闭一开级联而成的组合形态滤波器对原始信号进行消噪，然后利用互信息基金项目：国家自然科学基金项目(50675194)收稿日期：2009-01—04修改稿收到日期：2009—02—26第一作者沈路男，博士生，1982年生通讯作者杨富春男，博士后．1981年生方法消除EMD分解产生的虚假分量，再对得到的IMF分量进行差值形态滤波，最后通过滤波后的频谱提取故障特征。实例表明，该方法可取得良好的效果。1基于互信息的改进EMD1．1互信息基本原理互信息(MutualInformation)是信息论创始人香农(Shannon)提出的概念，它由熵的概念引

6、申而来。熵是随机变量不确定性的量度，一个系统有序程度越高，则熵就越小。对于两个在某种程度上相互联系的随机变量x和y，在获知一个随机变量(如y)的取值条件下的条件熵日(xly)总是不大于另一个随机变量x的无条件熵日(x)，因此在已知y以后X的不确定度减少量为日(x)一日(xIy)，这个差值即被定义为互信息，(x；y)，即：，(X；y)=H(X)一日(Xy)(1)它代表了已知y的取值后所提供的有关

7、)

8、f的信息。同理互信息，(y；Jjf)被定义为在已知X以后y的不确定度减少量日(y)一日(1，lX)。可以证明，(X；y)和，(Y；X)相等，因此，(x；l，)和，(y；X)是随机变量X和y之间相

9、互提供的信息量¨0

10、。1．2互信息法改进EMDEMD方法是通过对非线性、非平稳信号的分解获得一系列表征信号特征时间尺度的同有模态函数一】。对于一个给定的信号戈(f)，EMD算法可以概括如下：(1)确定出戈(t)上的所有极大值点和极小值点；(2)将所有极大值点和所有极小值点分别用三次样条曲线进行拟合，得到信号的上下包络线；(3)计算出上下包络线的均值曲线，并用原信号菇(t)减去均值信号得到剩余分量；(4)对剩余信号反复执行