基于LMD EMD故障诊断分析及其研究.pdf

《基于LMD EMD故障诊断分析及其研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、检测与控制2012年第5期(总第121期)·机械研究与应用·基于LMDEMD故障诊断分析及其研究张辛林，焦卫东(江西理工大学机电工程系，江西赣州341000)摘要：经验模态分解(EMD)及局域均值分解(LMD)都是转子故障诊断领域时频分析的有效方法。EMD为非平稳信号进行有意义的Hilbert变换起到了桥梁的作用，但是却会因此而产生了不能解释的负频率。而LMD将一个复杂的多分量信号分解为若干个瞬时频率有物理意义的乘积函数(ProductionFunctionPF)，并且其局部均值函数与包络估计函数都是采用平滑处理的方法形成的避免了EMD方法中的过包络与欠包络

2、现象。实验通过采用LMD与EMD方法对两类常见的转子故障信号的分析比对，得出LMD在高频和频率变化波动大的故障信号中比EMD效果更佳明显。关键词：经验模态分解；局域均值分解；瞬时频率；平滑处理中图分类号：TH113．1文献标识码：A文章编号：1007—4414(2012)05—0156—03FaultdiagnosisanalysisandresearchbasedonLMDEMDZhangXin—lin．JiaoWei—dong(Collegeofmechanicalandelectricalengineering，Jiangxiuniversityofs

3、cienceandtechnology，GanzhouJiangxi341000，China)Abstract：BothEmpiricalModeDecomposition(EMD)andtheLocalMeanDecomposition(LMD)areusefulmethodsintime—frequencyanalysisofrotorfaultdiagnosis．EMDplaystheroleofabridgeforthesignificantHilberttransformofnon-station—arysignal，butitproducesth

4、enegativefrequencywhichcannotbeexplainedintheory．WhiletheLMDcandecomposeaeonl—plexmulti～componentsignalsintoseveralProductionFunction(PF)，whichincludesthephysicalmeaninginstantaneousfre—queney，anditavoidstheenvelopingandoweenvelopephenomenonwhichcanbeseeninMED，ittakesthemethodofsmo

5、ot—hingtodealwiththelocalmeanfunctionandenvelopeestimationfunction．ThroughoutthecomparisonbetweenthetwonormalrotorfaultsignalbyusingLMDandEMD，theresultsshowthatLMDisbetterinhJghfrequencyandbigfrequencyfluctuationthanEMD．Keywords：empiricalmodedecomposition；localmeandecomposition；ins

6、tantaneousfrequency；smoothingprocessing1引言本征模函数必须满足以下两个条件：①函数在整转子故障诊断主要分为信号检测、特征提取及模个时间范围内，局部极值点和过零点的数目必须相式识别。其中特征提取是最为关键的环节。故障特等，或最多相差一个；②在任意时刻点，局部最大值的征分析与提取的主要内容是信号分析与处理。即如包络(上包络线)和局部最小值的包络(下包络线)何从传感器测得的原始数据中分析提取能代表故障平均必须为零。EMD的分解过程是：找出原数据序的典型特征信息，这是故障诊断的核心信息。目前故列(t)所有的极大值点并用三次样条

7、插值函数拟合障特征提取的方法有很多种，如快速傅里叶变换形成原数据的上包络线；同样，找出所有的极小值点，(F)、小波变换(Wavelet)、经验模态分解(EMD)、并将所有的极小值点通过三次样条插值函数拟合形局域均值分解(LMD)等。这些故障诊断方法都有各成数据的下包络线，上包络线和下包络线的均值记作自的优缺点，并在转子故障诊断领域得到广泛应用。m，将原数据序列(t)减去该平均包络m．，得到一2EMD及LMD理论算法及特点个新的数据序列：2．1经验模态分解(EMD)算法及其特点h：(t)～m1=hl(1)经验模态分解能使复杂信号分解为有限个本征由原数据减去包络

8、平均后的新数据，若还存模函数(IMF)，所分解出来的