基于MED-EEMD的滚动轴承微弱故障特征提取.pdfVIP

第 30卷 第23期 农 业 工 程 学 报 Vo1．30 No．23 70 2014年 12月 TransactionsoftheChineseSocietyofAgriculturalEngineering Dec．2014 基于MED—EEMD的滚动轴承微弱故障特征提取 王志坚，韩振南※，刘邱祖，宁少慧 (太原理工大学机械工程学院，太原 030024) 摘 要：针对滚动轴承在强噪声环境下故障信号微弱、故障特征难以提取等 问题，提出了基于最小熵反褶积 (minimum entropydeconvolution，MED)和总体平均经验模态分解 (ensembleempiricalmodedecomposition， EEMD)两者相结合的方法来提取滚动轴承微弱故障特征。通过对仿真信号和风电齿轮箱的振动信号分析，结果 表明：为了弥补在强背景噪声下EEMD对微弱信号特征提取的局限性，该文选取MED作为EEMD的前置滤波器， 最后对敏感的本征模态函数进行循环 自相关函数解调分析，得出了风电齿轮箱的故障来 自于高速轴的微小弯曲和 高速轴输出端#10轴承外圈点蚀。同时与EEMD进行对比分析，表明了这种方法对微弱故障特征提取有较好的适 用性。该文为多故障共存并处于强背景噪声下的微弱特征提取提供了参考。 关键词：轴承；故障检测；信号分析；齿轮箱；最小熵反褶积；总体平均经验模态分解；微弱故障；多故障 doi：10．3969~．issn2014．23．010 中图分类号：TN911．72；TP206 文献标志码：A 文章编号：1002—6819(2014)23—0070—09 王志坚，韩振南，刘邱祖，等．基于MED—EEMD的滚动轴承微弱故障特征提取 [J]．农业工程学报，2014，30(23)： 7O一 78． WangZhijian，HanZhennan，LiuQiuzu，eta1．WeakfaultdiagnosisforrollingelementbeatingbasedonMED—EEMD[J]． TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2014，30(23)：70—78．(in ChinesewithEnglishabstract) 总体平均经验模态分解 (ensembleempiricalmode 0 引 言 decomposition，EEMD)等 。其 中小波降噪具有多分 旋转机械，如发电机、齿轮箱等作为农业生产 辨率等优点，文献[4．7]将小波消噪用于滚动轴承 中的重要设备，它的运行状况直接影响农业机械系 微弱故障特征提取 。但小波基函数和阈值的选择 统的工作状况，一旦出现故障就会造成 巨大的经济 不具有 自适应性，因此小波降噪的效果受人为因 损失和人员伤亡。因此，对旋转机械的故障诊断技 素的影响[。 术一直以来都深受重视_J。J，其中对轴承故障的及时 EEMD是由Wu等 】提出的一种有效的自适应 诊断尤为重要，轴承的故障主要集中在内、外圈和 性 降噪分析方法 ，其本质是在经验模态分解 滚动体，当以上 3种故障出现其中之一时，系统会 (empiricalmodedecomposition，EMD)的基础上利 受到影响，会出现周期性的脉冲信号，表现形式为 用高斯 白噪声具有频率均匀分布的特性，使原信号 调制信号。通常情况下，轴的转动频率以及倍频作 混入 白噪声在不同尺度上具有连续性，可以有效解 为调制频率，轴承的内、外圈或滚动体的故障频率 决 EMD 的模态混叠问题 ¨，因此 EEMD的核心 为载波频