基于EMD包络功率谱滚动轴承故障诊断..docVIP

基于EMD的包络功率谱 滚动轴承故障诊断 摘 要 本文简要介绍了滚动轴承的故障特征及判定方法，并基于经验模态分解EMD(Empirical Mode Decomposition)与功率谱相结合的方法。将原始信号分解成不同尺度的固有模态函数IMF(Intrinsic Mode Function),求取IMF分量的包络,计算其包络功率谱,得到轴承的故障特征频率，进行诊断。 关键词：滚动轴承；故障诊断；EMD；包络功率谱 Abstract 本文简要介绍了滚动轴承的故障特征及判定方法，并基于经验模态分解EMD(Empirical Mode Decomposition)与功率谱相结合的方法. 将原始信号分解成不同尺度的固有模态函数IMF(Intrinsic Mode Function) ,求取IMF分量的包络,计算其包络功率谱,得到轴承的故障特征频率，进行诊断。 This paper briefly introduces the method of judging and fault features of rolling bearing, and based on empirical mode decomposition EMD (Empirical Mode Decomposition) method combined with power spectrum. The original signal is decomposed into different scales of intrinsic mode function IMF (Intrinsic Mode Function), the envelop take IMF components, calculate the envelope power spectrum, get the fault characteristic frequency of bearing, diagnosis. 关键词：滚动轴承；故障诊断；EMD；包络功率谱 Keywords: rolling bearing; fault diagnosis; EMD; envelope power spectrum 1、概述 滚动轴承是大部分旋转机械的重要组成部分，具有效率高、摩擦阻力小、装配方便、润滑易实现等优点而应用广泛。滚动轴承同时又是是旋转机械中较为薄弱的部分，在正常工作条件下工作一段时间总会出现各种类型的失效。由于发现不及时引起设备停机获设备损坏，造成了生产商的巨大损失。因此，轴承故障诊断分析显得十分必要。 滚动轴承是由内圈、外圈、滚动体和保持架四种零部件组成。滚动轴承故障诊断分析，是根据滚动轴承运行时产生的不同的信号包含对机械状态识别与诊断非常有用的各种信息。有效地分析、处理这些信息，建立它们和设备运行状态之间的联系，是设备故障诊断的基础。 滚动轴承在运行过程中由于各种原因产生十分复杂的振动信号。为了确定滚动轴承的故障，通常要从振动信号的幅域、时域和频域等多角度去分析，得出准确结论需要进行多方面的验证。 本文从频域分析角度作功率谱，进而分析滚动轴承的工作情况。 相对判定标准：相对判定标准是指对轴承的同一部位定期进行振动检测，通过功率谱分析，以轴承无故障情况下的功率谱为基准，根据谱峰频率来进行判断。 2、EMD及功率谱基本原理 EMD 利用EMD方法对非线性、非平稳信号的分解获得一系列表征信号特征间尺度的固有模态函数IMF(Intrinsic Mode Function)，使得各个IMF是单分量的幅值或频率调制信号.IMF要满足2个条件: ①整个数据序列的极值点与过零点的个数相等或最多相差一个；②在任意时刻，由局部极大值点形成的上包络与由局部极小值点形成的下包络的均值为零。 这2个条件实际上使得分解得到的IMF是窄带信号。同时,EMD分解方法还建立在以下假设上: ①信号至少有2个极点,一个最大值和一个最小值；②特征时间尺度通过2个极值点之间的时间定义；③若数据缺乏极值点但有形变点，则可通过微分数据一次或几次获得极值点，然后再通过积分来获得分解结果。 对任意一个实信号x(t)进行EMD的具体步骤是: 1) 确定x(t)上的所有极大值点和极小值点，然后，将所有极大值点和所有极小值点分别用三次样条曲线连接起来，将这两条曲线分别作为x(t) 的上下包络线。计算出它们的平均值曲线m1 (t) ，用x(t)减去m1(t)得 h1(t)=x(t)-m1(t) （2.1.1） 如果h1(t)不满足IMF的条件，需要把h1(t)作为原信号重复上面的步骤得到 h1