经验模态分解滤波器组特性及轴承异音识别.pdfVIP

第32卷第2期 振动、测试与诊断 V0．【32No．2 2012年 4月 Apr．2012 JournalofVibration，MeasurementDiagnosis 经验模态分解滤波器组特性及轴承异音识别 黄迪 山，刘玉霞 (上海大学机电工程及 自动化学院 上海 ，200072) 摘要 利用经验模态分解滤波器组特性可调整性，结合短时傅里叶变换 (STFT)技术识别轴承异音。在研究高斯随 机噪声经验模态分解 (EMD)的基础上，运用数值方法证实EMD滤波器组特性随判别参数SD改变，指出类似于二 进制小波滤波器组特性只是一种特殊条件下的分解现象。根据轴承振动加速度的广谱性质，利用参数SD对EMD 滤波器组特性可调性，对滚动轴承振动加速度信号按异音测量要求进行EMD 自动频段分解。对前3阶本征模态进 行STFT变换，用三维图刻画轴承振动的幅值大小、频率大小、周期和随机分布冲击特性，设定阈值，在时频域上刻 画轴承的异音 。该方法揭示了轴承异音分布模式，能通过异音识别控制轴承加工质量 。 关键词 经验模态分解 ；轴承振动 ；异音；识别 中图分类号 THI13；TB52 引 言 1 高斯随机噪声经验模态分解 Huang在 1998年提 出了一种全新的信号时频 假 设 (f)为高斯随机噪声信号；imf(f)为 分析方法一HHT，该方法的核心内容是经验模态分 EMD分解得到的本征模态函数 ，r(f)为余量 ，则高 解 (EMD)，即把信号分解成多个相互正交本征模态 斯噪声信号可以表达为所有的imf(f)及余量r(f) 函数 (imf)[1]。EMD分解具有 自适应滤波性质 ， (f)一 imf(￡)+r(￡) (1) 文献[2—3]对EMD滤波器组特性进行研究，通过5 000次独立的高斯噪声进行 EMD分解，分别得到 在EMD分解中，采用递推过程实现高斯噪声 imf的频谱。经过观测和分析推知，当输入信号为高 信号 “筛”过程的数值计算。考虑到较少递推次数和 斯噪声或具有广谱性时，EMD具有和二进离散小 较小的包络平均计算误差 ，用统计参数SD控制 “筛” 波分解完全类似的二进滤波器组结构的特性。本文 过程的次数 在高斯噪声 EMD分解 中，改变判别参数SD，研究 SD 一 妻[ ] EMD滤波器组特性 。通过大量独立的数值计算 ，发 文献EI-I对 1024点数据进行EMD分解 ，推荐 现EMD滤波器组特性是可调整的，文献 [2—3]中所 SD=0．2～0．3为 “筛”过程的递推停止判据，相 当于 观测 到的二进制小波特性是一种特殊条件 下的现 递推次数 4～1O的情况 。在这种条件下，对高斯噪 象。EMD滤波器组特性的可调整性将为EMD分解 声信号进行EMD分解 ，滤波器组特性表现为二进 信号分析拓宽应用前景。 制小波特性 ，即相邻滤波带的中心频率之比为 轴承异音指轴承运转过程 中，除了均匀的基音 ／fo(…)≈ 2