基于EMD和MLEM2的滚动轴承智能故障诊断方法.pdf

《基于EMD和MLEM2的滚动轴承智能故障诊断方法.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、第27卷2011生第4期4月农业工程学报TransactionsoftheCSAE、，01．27No．4Apr．2011125基于EMD和MLEM2的滚动轴承智能故障诊断方法窦东阳1，杨建国1，李丽娟2，赵英凯2(1．中国矿业大学化工学院，徐州221116；2．南京工业大学自动化与电气工程学院，南京210009)摘要：针对旋转机械的自主故障诊断，提出一种基于EMD和MLEM2的智能解决方法。利用EMD预处理振动信号，在最适合的IMF分量上提取6个时域指标和5个频域指标构成无量纲的轴承故障特征向量。根据设备运行数据形成决策表，使用改进的

2、MLEM2算法挖掘诊断规则，再结合改进的规则匹配策略进行状态识别。EMD能够剥离故障最本质的信息，提高所选分量的信噪比，而MLEM2算法无需对连续属性事先离散化，获得的诊断规则更完备、准确。SKF6203轴承试验表明，该方法诊断精度达到93．75％，相当于能够自主获取知识的专家系统，且只要一次初始设定，无需后续人工干预，是一种有效的智能诊断方法。关键词：轴承，故障诊断，模型，经验模式分解，规则获取，MLEM2算法doi：10．3969／j．issn．1002—6819．2011．04．021中图分类号：TP2006文献标志码：A文章编

3、号：1002—6819(2011)一04—0125—06窦东阳，杨建国，李丽娲，等．基于EMD和MLEM2的滚动轴承智能故障诊断方法[J]．农业工程学报，2011，27(4)：125—130．DouDongyang，YangJianguo，LiLOuan,eta1．IntelligentfaultdiagnosismethodforrollingbearingsbasedonEMDandMLEM2阴．TransactionsoftheCSAE’201l，27(4)：125—130．(inChinesewithEnglishabstra

4、c00引言轴承是农业机械设备中故障常发部件之一，它的运行正常与否往往直接影响到整台机组的性能，因此一直以来它的工况监视与故障诊断都备受重视【l‘3】。旋转机械的智能诊断本质上就是一个模式分类问题，由数据采集、特征抽取与选择和状态识别组成【4】。特征抽取一般是指从振动信号中提取表征设备工作状态的有效信息，为下一步的模式识别提供特征参数向量。由于振动过程的非平稳、非线性以及原始信号的复杂性，信号预处理是特征抽取的关键，目的是从噪声背景中剥离出故障早期的微弱特征，提高信噪比。针对滚动轴承，已有多种信号处理方法相继应用，但对这类信号，常用的傅

5、里叶变换只能给出频域的统计平均结果，无法展现反映故障本质的时频局部化特征，结果往往存在虚假谐波，参考价值不大。而传统的时频分析虽然同时兼顾了时域和频域两方面，但也普遍存在一些致命缺陷，如短时傅立叶变换由于窗口固定不适合分析多尺度和突变信号；小波变换由于小波基函数长度有限，会产生能量泄漏【5】，并且效果严重依赖小波基和分解尺度的选择。Hilben．Huang变换(HHT)[61由美国航空航天局Dr．Huang于1998年提出，被认为是近年来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。其核心是经验模式分解(empiricalmo

6、dedecomposition，EMD)，能把复杂信号分解为若干个本征模态函数(intrinsicmodefunction，IMF)之和。由于EMD具有自适应性、完备性和近似正交性，适合处理非线性和非平稳过程，用于滚动轴承振动信号的预处理较小波等方法有优势【7】。旋转机械状态识别的方法一般有神经网络【41、支挣向量机【8l、决策树【9】、专家系鲥10】等。神经网络方法易于实现，但实时性不好，容易陷入局部极值点，且推理过程难以解释。支持向量机与神经网络相比，在解决小样本问题时有独特的优势，并且泛化能力更好，但仍然没有摆脱解释难的问题。决

7、策树适用于规模较小的分类任务，构造相对简单，但树枝的修剪至关重要，直接影响分类质量与耗时，一般难以把握。专家系统快速、高效，但知识库的优劣是其质量高低的关键，而长久以来规则的获取一直是制约其发展的瓶颈。LEM2[11】是一种基于粗糙集的规则生成算法，它最大的优势在于：1)能够直接处理连续型数值数据，从而避免属性离散化造成的知识损失；2)跳过属性约简步骤，直接在所有属性中搜索构成诊断规则的条件，但也有所偏重，生成的规则一般更完备，对未知对象的识别率较高。本文综合以上技术，提出一种基于数据的滚动轴承智能诊断方案。利用EMD预处理轴承振动信

8、号，在包含故障本质的主要IlVlF分量上提取无量纲时、频域指标组成决策表，以改进的MLEM2算法挖掘诊断规则，再结合改进的规则匹配策略对SKF6203滚动轴承的正常、内圈、外圈和滚动体故障4种状态进行了识别。收祸日期：2