基于EMD和奇异值分解技术的齿轮故障诊断方法.pdf

第17卷增刊 振 动 工 程 学 报 V01．17No．S 2004年8月 ofVibration Aug．2004 Journal Engineering 基于EMD和奇异值分解技术的齿轮故障诊断方法 程军圣 于德介 杨 宇 (湖南大学机械与汽车工程学院 长沙，410082) 摘 要提出了基于EMD和奇异值分解技术的齿轮故障诊断方法。采用EMD方法将齿轮振动信号分解成若干个 基本模式分量之和，并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值，将其 作为齿轮振动信号的状态特征向量，通过建立距离判别函数判断齿轮的工作状态和故障类型。对实验数据的分析 结果表明，本文方法能有效地应用于齿轮故障诊断。 关键词：EMD；齿轮；故障诊断；奇异值分解；特征向量；距离判别函数 中图分类号：THll3；THl32．41 齿轮故障振动信号是非平稳信号，如何从非平 条线将所有的局部极大值点、局部极小值点分别连 稳信号中提取特征向量是齿轮故障诊断的关键。近 接起来形成上、下包络线，上下包络线的平均值记为 Mode Decompo—m1，求出 年来，一种被称为EMD(Empirical sition，简称EMD)的信号处理方法提出来后，经验 z(f)～m1=hl (1) 证在很多方面的应用效果都优于其它的信号处理方 法。EMD方法是基于信号的局部特征的信号分解 数据，重复步骤(1)，使得h。满足IMF的条件。记C，一 方法，能把复杂的信号分解为有限的基本模式分量 h。，则c。为信号z(f)的第一个满足IMF条件的分量。 Mode (Intrinsic Function，IMF)之和，每一IMF所 (3)将c。从z(f)中分离出来，得到 包含的频率成分不仅与采样频率有关而且最重要的 rl=z(￡)一C1 (2) 是随信号本身变化而变化，因此EMD方法是自适 应的信号处理方法，非常适合处理非线性和非平稳 二个满足IMF条件的分量C。，重复循环以次，得到信 过程。本文拟采用EMD方法对齿轮振动信号进行 号z(￡)的，z个满足IMF的分量。这样就有 分解，得到若干个IMF分量，然后将这些IMF分量 r1——cz==r2] 组成初始特征向量矩阵。初始特征向量矩阵是对齿 ； ≯ (3) 轮振动信号特征的完整刻画，并进一步对初始特征 r。一l——c。=r。j 向量矩阵进行奇异值分解，采用初始特征向量矩阵 当“成为一个单调函数不能再从中提取满足IMF 的奇异值作为特征向量建立距离判别函数，从而判 条件的分量时，循环结束。这样由式(2)和式(3)得到 断齿轮的工作状态和故障类型。对实验数据的分析 结果表明，采用EMD和奇异值分解技术能有效地 z(f)一∑Cj+“ (4) J=1 对齿轮的工作状态和故障类型进行分类，为齿轮故 障诊断提供了一种新的方法。 解后，可以将得到的以个IMF分量形成初始特征向