基于EMD港口桥吊起重机起升机构状态监测及健康评价.docVIP

基于EMD港口桥吊起重机起升机构状态监测及健康评价摘 要：本文介绍了起重机状态监评系统对港口起重机测点振动信号的采集；分析了Hilbert-Huang变换对非平稳信号分析的优越性；在论述了经验模式分解（EMD）信号分解原理的基础上，分析了其存在的端点效应；本文利用MATLAB编程程序对实测信号进行延拓以抑制端点效应，再对所得信号进行EMD分解得出若干个IMF函数；对不同情况下同一测点的信号进行分析和对比，与实际物理意义相结合，对其进行健康评价。 关键词：Hilbert-Huang变换；端点效应；EMD分解；IMF函数；故障分析 Abstract：The assessment system CMAS for acquiring the vibration signal of Port Crane has been introduced. The superiority of Hilbert-Huang transform to analyze the non-stationary signal. Based on the discussion of the empirical mode decomposition(EMD),the existence of the end effect has been disussed.The MATLAB has been used to suppress the end effect ,and then use the EMD deconposition to obtain the IMF functions. Analyze and compare the signals of the same point but under different circumstances, then do the health assessment combined with the actual physical meaning. Key Words:End Effect Empirical Mode Decomposition Intrinsic Mode Function Fault diagnose. 1 EMD分解方法和端点效应的解决 EMD[1]是Empirical Mode Decomposition的简写，通常被称为经验模态分解法，是美籍华人NE.Huang在1966年突出的信号分解算法，这主要是从复杂信号里分离出IMF的过程，也称为筛选过程（The Sifting Process）。在此基础上，1998年NE.Huang及其同事提出了较为完整的Hilbert-Huang变换法。EMD是HHT方法中至关重要的一部分。EMD方法假设任何信号都由不同的本征模态函数(IMF)组成，每个IMF可以是线性的，也可以是非线性的，IMF分量必须满足下面两个条件：一是其极值点个数和过零点数相同或最多相差一个，二是其上下包络关于时间轴局部对称。这样任何一个信号就可以分解为有限个IMF之和[2]。 分解过程基于以下假设：1信号最少有一个极大值和一个极小值；2时域特性由极值间隔决定；3如果数据序列完全缺乏极值但是仅包含拐点，那么它也可通过球道一次或多次来揭示极值点，而最终结果可以由这些成分求计分来获得。具体方法是由一个“筛选”[3]过程完成的： (1)出 所有的极大值点并将其用三次样条函数拟合成原数据序列的上下包络：以及所有的极小值点并将其用三次样条函数拟合成原数据序列的下包络线；图1为一测试数据及其包络线、均值线示意图。 （1-5） 其中， 为残余函数，代表信号的平均趋势。而各个IMF分量 ， … 分别包含了信号不同时间特征尺度大小的成分，其尺度依次由小到大。因此，各分量也就相应地包含了从高到低不同频率段的成分，每一个频率段包含的频率成分都是不同的，且随信号本身的变化而变化。 由于我们所处理的信号通常都只局限在有限的时间或空间之内，在处理这些数据时，信号边界上常常会出现令人费解的失真现象，即在信号边界上具有“吉布斯”现象，这通常称为边界效应。在EMD分解中，信号两端的边界效应所带来的误差会向内传播，进而可能“污染”整个数据序列，使得最后的结果失去意义，尤其对于低频的IMF分量来说，这种边界效应所引起的误差更加严重。因此，解决边界问题对于HHT、以及对其他信号处理方法，都具有理论和实际意义。在本文中，要处理的数据信号为实际监测的一周信号，点数较多，信号序列较长，本文基于MATLAB软件平台编制了程序拓展信号序列以减小误差。为方便起见，本文中一下所述EMD分解为端点延拓候的程序。 根据上述EMD分解过程，给出了如下HHT计算机实现流程图： 2 港口起重机信号采集