基于改进Hilbert_Huang变换机械故障诊断.pdfVIP

第 47 卷第 5 期 机 械 工 程 学 报 Vol.47 No.5 2011 年 3 月 JOURNAL OF MECHANICAL ENGINEERING Mar. 2011 DOI ：10.3901/JME.2011.05.071 基于改进Hilbert-Huang 变换的机械故障诊断* 雷亚国 (西安交通大学机械制造系统工程国家重点实验室 西安 710049) 摘要：Hilbert-Huang 变换(Hilbert-Huang transform, HHT)通过经验模式分解(Empirical mode decomposition, EMD)和 Hilbert 变 换能够自适应地将复杂的非线性、非平稳信号刻画成 Hilbert-Huang 谱，突显信号的局部特征，具有良好的时频聚集能力， 因此被广泛用于机械信号处理与故障诊断。然而，EMD 存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function, IMF) 。此外，通常只有部分IMF 包含故障敏感信息、表征故障特征。因此基于 EMD 和所有 IMF 的Hilbert-Huang 谱的故障诊断精度有待提高。为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition, EEMD)和敏 感 IMF 的改进HHT 。该方法利用EEMD 获取无模式混淆的 IMF ，通过敏感度评估算法从 EEMD 所有的 IMF 中选择反应故 障特征的敏感 IMF ，从而得到改进的 Hilbert-Huang 谱以更准确地诊断机械故障。通过仿真试验以及转子早期碰摩故障诊断 的工程实例验证了改进HHT 的有效性。 关键词：总体平均经验模式分解 Hilbert-Huang 变换 故障诊断 中图分类号：TH17 Machinery Fault Diagnosis Based on Improved Hilbert-Huang Transform LEI Yaguo (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an 710049) Abstract ：Complex nonstationary and nonlinear signals can be adaptively analyzed by the Hilbert-Huang transform (HHT) through empirical mode decomposition (EMD) and the Hilbert transform to generate the Hilbert-Huang spectrum. The Hilbert-Huang spectrum is able to show the local characteristics of the signals and focus time-frequency information well, and therefore it is widely applied to analyzing vibration signals in the field of machinery fault diagnosis. EMD, however, sometimes cannot reveal the signal characteristics accurately because of the problem of mode confusion. Moreover, the extracted intrinsic mode functions (IMFs) have different sensitivity to faults. Some IMFs are sensitive and closely re