基于经验模态分解EMD的运动部件故障特征分析.pdfVIP

基于经验模态分解（EMD ）的运动部件故障特征分析 陈婷艳，荆建平 （上海交通大学机械系统与振动国家重点实验室,上海 200240 ） 摘 要：运动部件是某航天器中实现记录重要信息功能的重要环节，但它属于故障 多发结构，直接导致航天器不能正常运作。针对该问题本文提出了将经验模态分解 方法（Empirical Mode Decomposition,简称EMD ）引入航天器运动部件故障诊断研 究领域，为运动部件的故障诊断提供一种新方法。文中详细解释了这种方法在运动 部件振动特性分析中的应用，通过对运动部件中步进电机Y 向振动信号的经验模态 分解，发现了电机频率特征与电压变化的关系，从而可以通过频率特征来判断失步 等故障的存在；另外通过EMD方法与一般功率谱分析的对比发现，EMD方法能更 加清晰地突出故障振动信号的故障频率特征；同时EMD方法通过多层逐步的分解最 终能得到基频，为故障诊断中频率特征的分析提供了新依据。 关键词：经验模态分解 EMD 基频 功率谱分析 故障诊断 失步 引言 对于该航天器，运动部件是实现记录重要信息功能的主要环节。它属于故障多发结构， 因此对运动部件故障的诊断是航天器状态检测与故障诊断中的关键技术之一，意义重大。 本文研究的航天器运动部件结构主要由齿轮箱体、齿轮、螺杆、螺母、波纹管、步进 电机等部分组成。在轨工作时，螺旋副易产生润滑不良以及额外附加弯矩，会导致一些故障 的发生。 由于系统内的齿轮、螺杆、步进电机等部分都在封闭的空间内运转，因此对于系统机械 故障的判断存在一定的困难。一般的信号处理方法不具有自适应性，而经验模态分解方法 （EMD ）是自适应的信号处理方法，非常适于非线性和非平稳过程，具有很高的的信噪比。 因此这里引入EMD法，对运动部件不同输入电压下的振动响应特征以及频谱特性进行分析， 进而研究失步现象的临界电压和失步状态的时域、频谱特征，从而为航天器运动部件的故障 诊断提供了一种新的诊断方法。本文主要以反向运动时电机Y方向在三种电压下的情况为例 介绍EMD在该航天器故障诊断上的应用。 1 运动部件齿轮箱的EMD分解 对反向运动时运动部件的电机Y 方向的振动信号进行EMD 分解，得到在三种电压 （28V,14.5V,12.5V ）下的EMD分解图。 a) b) c) 图1 运动部件电机Y 向在各电压下的EMD分解图 a ）28V b ）14.5V c）12.5V 然后将三种电压下的同级IMF进行对比，，根据图中数据对比，我们可以发现部分频率 特征以及电压变化规律。 22 a) b) c) d) 图2 三种电压下的IMF1对比图 a ）对比图 b ）28V c ）14.5V d)12.5V 运动部件反向运动时，电机Y 向EMD分解后的IMF1 中，三种电压下的频谱图振幅较接 近，其中14.5V与12.5V的图形非常相似，这可能是因为电压接近的关系；振幅基本是随着电 压的降低而降低，但是12.5V的时候几个特征频率的幅值反而增大。其中28V 的时候的特征 频率为200Hz 、400Hz和440Hz ，14.5V的时候为200Hz 、250Hz和400Hz ，12.5V的时候为200Hz ， 250Hz和400Hz 。 a) b) c) d) 图3 三种电压下的IMF2对比图 a ）对比图 b ）28V c ）14.5V d)12.5V IMF2 的频谱图很干净，三种电压下都只有200Hz这一个特征频率，而这正是运动部件工 作的基频；特征频率的幅值随着电压的降低而降低，但是到12.5V时，幅值又略有回升，同 IM