LMD形态学与EEMD形态学在故障诊断中的对比研究.pdf

《LMD形态学与EEMD形态学在故障诊断中的对比研究.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、2014正仪表技术与传感器2014第8期InstrumentTechniqueandSensorNo．8LMD形态学与EEMD形态学在故障诊断中的对比研究侯高雁，吕勇，李友荣，王志刚(武汉科技大学机械自动化学院，湖北武汉430081)摘要：为了从非线性非平稳信号中清晰地提取出故障信号的频率特征，研究了局域均值分解(LMD)形态学和总体经验模式分解(EEMD)形态学在故障特征提取中的应用。LMD形态学(EEMD形态学)是将信号通过LMD(EEMD)分解，选取主要信息重构，用形态学差值滤波器来提取故障信号的频率特征。通过数字仿真试验和齿轮故障模拟实验，对2种方法进行了对比，结果表明：LMD形态学比

2、EEMD形态学更能够清晰地提取出故障信号的频率特征，并且提取速度远远快于EEMD形态学。关键词：局域均值分解；总体经验模式分解；故障特征；形态学；频率特征；齿轮故障中图分类号：TH16文献标识码：A文章编号：1002—1841(2014)08—0107—04LMDMorphologyComparedwithEEMDMorphologyintheFaultDiagnosisHOUGao-yan，LfiYong，LIYou-rong，WANGZhi—gang(WnimnUniversityofSdenceandTechnology，Wuhan430081，China)Abstract：Inorde

3、rtoclearoutofthenonlinearnon-stationarysignaltoextractthefaultcharacteristicfrequency，generallocalmeandecomposition(LMD)morphologyandempiricalmodedecomposition(EEMD)morphologywerestudiedintheapplicationofthefaultfeatureextraction．LMDmorphology(EEMDmorphology)wasthesignalthroughtheLMD(EEMD)decomposit

4、ion，se—lectingmaininformationreconstruction，andthenthemorphologydiferencefilterwasusedtoextractthe~equencycharacteristicsofthefaultsigna1．Throughdistalsimulationtestandgearfaultsimulationexperiment．thetwomethodswerecomparedandre-searched．TheresultsshowthattheLMDmorphologyCanmoreclearlythantheEEMDmor

5、phologytoextractthe~equeneycharac—teristicsoffaultsignal，andextractsthespeedmuchfasterthanEEMDmorphology．Keywords：LMD；EEMD；faultcharacteristic；morphology；~equencycharacteristic；gearfailure0引言频域分析的非线性方法。该方法首先应用于图像处理中，随后针对非线性非平稳信号中故障频率特征的提取，人们研究在信号处理方面得到了广泛的应用5．-。它是使用结构元素探了很多种方法，如希尔伯特变换、小波变换和数学形态学等。针在

6、信号中不断移动来提取有用信息，进行特征分析和描述。Hilbert-Huang变换，由于Hilbert算子不可避免的加窗效应，使1．1数学形态学基本运算得解调结果出现非瞬时相应特性，增大解调误差；小波变换中数学形态学包括2种基本算子j：膨胀和腐蚀。设，(n)和小波基的选择方面是一个难点，同时也存在傅里叶变换的局限g()分别为定义在F={0，1，2，⋯，N一1}的一维多值信号和G性；数学形态学⋯是由法国数学家MatheronG和Serra共同创={0，1，2，⋯，M一1}的一维结构元素序列，其中J7、r和都是整立的一种不同于时域和频域的数学方法。该方法采用结构元数，且有Ⅳ≥素探针，在信号中不断移动

7、，来提取有用信号的冲击特征，但是则-厂(n)关于g(n)的膨胀、腐蚀、开运算和闭运算分别定义滤除白噪声的能力却不足。针对这一不足，研究了总体经验模为：式分解(EEMD)降噪和局域均值分解(LMD)降噪，并对二者进(_。g)(tt)=max{，(n—)+g()；∈G}(1)行了比较。(fog)(n)=min{-厂(n+)一g()；∈G}(2)EEMD是Wu等提出的一种将噪声辅助分析用于经验模。g)(