基于变分模态分解和1_5维谱的轴承早期故障诊断方法_王晓龙

《基于变分模态分解和1_5维谱的轴承早期故障诊断方法_王晓龙》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第7期电力自动化设备Vol．36No．72016年7月ElectricPowerAutomationEquipmentJul.2016基于变分模态分解和1.5维谱的轴承早期故障诊断方法王晓龙，唐贵基（华北电力大学能源动力与机械工程学院，河北保定071000）摘要：提出了基于变分模态分解（VMD）和1.5维谱的滚动轴承早期故障诊断方法。利用VMD方法处理故障信号时，需要预先设置分解所得本征模态函数（IMF）分量的个数，且为了便于后续分析，需要从所得结果中筛选出最佳信号分量，为此提出一种分量峭度图方

2、法来同时解决这2个问题。首先，设置IMF分量个数最大值，计算相应的分量峭度图；接着，根据分量峭度图对原故障信号进行VMD处理，并选定最佳IMF分量；然后，对最佳IMF分量做进一步包络解调运算，并计算包络信号的1.5维谱；最后，通过分析1.5维谱中幅值突出的频率成分可实现故障类型的准确判定。模拟信号及实测信号分析结果表明，所提的基于VMD和1.5维谱的诊断方法能够有效提取出轴承早期故障信号中的微弱特征信息，实现轴承早期故障的准确判别。关键词：滚动轴承；早期故障；峭度；变分模态分解；1.5维谱中图分类号：T

3、H133.3；TH17文献标识码：ADOI：10.16081／j.issn.1006-6047.2016.07.019态分解EMD（EmpiricalModeDecomposition）［7］0引言、局部均值分解LMD（LocalMeanDecomposition）［8］、局部作为风力发电机的重要组成零部件，滚动轴承特征尺度分解LCD（LocalCharacteristicscaleDecom-的运行状态直接影响设备的整体性能及工作效率，position［9］等自适应信号处理方法一经提出，便受到）如果能

4、在轴承失效初期实现故障溯源并及时排除相关学者的广泛关注，基于此类方法的轴承诊断技隐患，无疑具有重要而深远的意义。然而轴承早期术亦是层出不穷。虽然EMD、LMD、LCD等自适应故障特征通常比较微弱，振动传输路径及背景噪声信号处理方法的具体实现过程各不相同，但此类方的影响往往难以避免，这些不利因素均会对特征信法均采用了循环递归筛分的信号分量获取方式，就息的提取形成阻碍［1-2］。本质而言，EMD、LMD、LCD等方法均可以看作是一近些年，针对轴承早期故障检测问题，一些相个二进制滤波器组，其频带分割特性使得此

5、类方法应的解决方案在文献中已有所报道。文献［3］利用在处理轴承早期故障信号时难免暴露出弊端。轴小波相关滤波特性，提出一种基于相关滤波和包络承早期失效阶段，故障相关频带能量较小，且频率谱的微弱特征提取方法，诊断效果明显，然而该方中心及带宽不确定，如果故障频带恰好位于分解所法中小波基函数的选择缺乏自适应性；文献［4］利得的第1个信号分量内部，则可能因该分量频带过用约束独立成分分析处理轴承加速疲劳实验信号，宽、噪声干扰过多而掩盖微弱特征信息；反之，如果该方法具有可借鉴之处，但在故障信号分离过程中故障频带位于后

6、续所得信号分量内部，则可能因其需要构造一个准确的参考信号，参考信号构建得不频带过窄而遗漏重要特征信息。同样作为一种自合理将直接导致特征提取失败；文献［5］提出一种适应信号处理方法，变分模态分解VMD（Variational基于双重品质因子的稀疏分解法，虽然该方法在轴ModeDecomposition）［10］则摆脱了循环递归筛分这一承早期故障诊断应用中的有效性得到了验证，但仅信号分量获取方式的束缚，独辟蹊径地采用一种非通过人为主观意识来选取品质因子、冗余度等影响递归的处理策略，通过在变分框架内求解约束变

7、分参数，使得最终处理结果存在很大不确定性；文献模型实现信号的分解过程，该方法能够根据信号的［6］提出一种自适应最大相关峭度解卷积方法，用以频域特性完成频带的自适应剖分，最终得到若干带提取轴承早期失效信号中的微弱特征信息，但是利通信号分量。用粒子群优化求解卷积算法时，仍需要根据一定的本文尝试利用VMD方法处理滚动轴承早期故先验知识设定搜寻过程中的控制参数。障信号，有望从信噪比较低的原始信号中剥离出包作为分析机械故障信号强有力的工具，经验模含丰富特征信息的信号分量，为了进一步抑制所得信号分量中的噪声干扰成分

8、，实现特征频率的精确收稿日期：2015-06-15；修回日期：2016-05-30基金项目：中央高校基本科研业务费专项资金资助项目（2015-提取，将1.5维谱方法作为VMD方法的后处理，从XS120）；河北省自然科学基金资助项目（E2014502052）而提出一种基于VMD和1.5维谱的轴承早期故障ProjectsupportedbytheFundamentalResearchFundsforthe诊断方法，仿真信号及实测信号分析结果均验