欢迎来到天天文库
浏览记录
ID:44297492
大小:47.00 KB
页数:5页
时间:2019-10-20
《基于半圆形态梯度滤波和ITD的齿轮故障诊断研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于半圆形态梯度滤波和ITD的齿轮故障诊断研究基丁半圆形态梯度滤波和ITD的齿轮故障诊断研究【摘要】为了提高齿轮故障诊断的准确性与效率,针对齿轮信号的非平稳时变特性,本文采用半圆形态梯度滤波与固有时间尺度分解(IntrinsicTime-scaleDecomposition,ITD)相结合方法。首先选取形态算子,寻求适合齿轮降噪的结构元索对齿轮信号进行降噪;其次采用ITD对降噪后的信号进行分解。半圆形态梯度滤波处理频率范围宽,具有平移不变性等优点,能够有效去除噪声II保留有效信息成分。ITD自适应分解能力强,在信号处理过程能够保留原始信号的特征信息
2、。实际应用结果表明,两者结合的方法具有史好的降噪效果和更高的计算精度,保留了故障特征信息,为齿轮的故障诊断提供有效信息。【关键词】形态滤波;半圆结构;ITD;齿轮故障;降噪;特征提取降噪和特征提取是设备故障诊断的关键步骤。齿轮作为机械设备中的核心部件,由于噪声等因素的影响,使得信号呈现高度的非平稳时变特性,故障成分往往较为微弱并且淹没在强噪声背景当中。常用降噪方法如小波变换[1]会因基函数选取不同呈现不同降噪效果,奇异值分解[2]的难点在于时间延迟与嵌入空间维数的选择没有确定办法等。其次,特征提取方法如经验模式分解[3]等虽有着很强的自适应性,但在
3、包络问题、边缘效应等方而还有待改进。因此针对上述问题,本文提出了半圆形态梯度滤波与ITD结合的方法。首先选择形态算子,对比不同结构元素的降噪效果,选取最优结构元素;其次利用ITD方法对降噪信号进行分解,并与传统方法进行对比;最后将该方法应用于现场齿轮故障中以期许获得更高的准确性和效率。1半圆形态梯度滤波1.1形态滤波算子基本形态变换包括四种运算:腐蚀、膨胀、开运算、闭运算。文献⑷给出了相关定义。先腐蚀再膨胀可以构成开运算,先膨胀再腐蚀可以构成闭运算。开运算能使目标信号轮廓光滑,消除毛刺抑制峰值噪声信号;闭运算能够弥合空洞滤除低谷噪声信号[5]。形态
4、变换只含有布尔运算,加减法运算等,计算简单,运行速度快。但腐蚀和膨胀都是不可恢复的运算且存在偏差。大多情况下单独使用很难获得良好的降噪效果。所以本章根据广义开闭组合的方法[6]。选用形态梯度算子作为本次降噪的滤波器。y(n)二[f?❷g(n)-f?❷g(n)](1)信号降噪过程中,该算子不仅可以用來检测信号的脉冲成分,而且在信号降噪的同时,有效地的提取故障特征并分析采集的齿轮信号。1.2半圆结构元素的选取一般來讲结构元素与信号局部的结构越接近,降噪效果越好。为了寻求适合齿轮降噪的结构元素,利用matlab产生正弦仿真信号,加入信噪比11.9668d
5、B,均方差0.3889m/s2的噪声信号。然后采用直线结构元素、三角结构元素、余弦结构元素、半圆结构元素分别对噪声信号进行降噪,结果如图1:图1不同结构元素降噪效果图从图1中可以直观地看出,直线结构降噪把有用信号消除了,三角结构降噪后噪声仍然大量存在。余弦结构和半圆结构降噪的效果较好。为了进一步对比其降噪效果,引入信噪比SNR和均方差MSE评价指标。其中信噪比越高,均方差越小,则表示降噪效果越好。其结果为S7R二[0.0467,19.4506,25.0576,26.3554]dB及MSE二[0.7058,0.2675,0.2021,0.1984]m
6、/s2o通过对比指标可知:半圆结构拥有更高信噪比和更低的均方差。因此本文选取半圆形态梯度滤波方法,并将该方法应用于齿轮故障提取中。2固有吋间尺度分解2.1ITD定义I古I有吋间尺度分解是2006年美国学者Frei和Qsorio[7]提出的一种较新的适用于非平稳非线性的分析方法。ITD方法可以准确地反映非平稳信号的动态特性,即可以精确地提取出非平稳信号中的瞬吋信息,并且能够达到较高的频率分辨率和拆解信号效率。ITD方法可以自适应地将待分解的非平稳信号分解成若干个合适的固有旋转分量(ProperRotationComponent,PRC)与一个单调趋势
7、分量之和,每一层分解得到的固有旋转分量保持了精确的瞬时频率、瞬时幅度等瞬时信息。2.2ITD分解为了突出ITD方法的有效性,利用仿真信号加以说明。构造一个具有调幅调频的仿真信号,利用ITD对信号进行分解,并与常规EMD方法进行效果对比。假设该信号为x(t):x=(1+0.7sin(2nX5t))Xcos(2nX500t)+1.5cos(2nX20t))+0.5sin(2jiXIOOt)图2ITD(左)和EMD(右)分解结果首先分解层数:ITD分解层数比EMD少,能够更早的停止信号分解;时间上:1TD分解用时0.075s,EMD用时0.432s,在计
8、算速度优于EMD的。主要是因为在算法上ITD不用样条插值,每分解一次只需迭代一次,而EMD每获得一个IMF分量需要经过多次
此文档下载收益归作者所有