利用EMD-Wigner高阶矩谱的齿轮故障诊断方法.pdfVIP

第33卷第6期 振动、测试与诊断 Vo】．33No．6 2013年12月 Dec．2013 JournalofVibration．MeasurementDiagnosis 蔡剑华1， 龚玉蓉2， 王先春1 (1．湖南文理学院物理与电子科学系常德，415000)(2．中南大学地球科学与信息物理工程学院长沙，410083) 摘要 针对Wigner分布在分析故障信号时易受到交叉项干扰的问题，提出了一种基于经验模态分解(empirical mode 方法的原理和应用步骤，并对仿真和实际齿轮故障信号进行了时频分析和故障诊断。结果表明：该方法结合了经 验模态分解和Wigner高阶矩谱的优点，有效地抑制了Wigner高阶矩谱的交叉项干扰；边际谱可提取反映齿轮故 障模式的边频带结构，且所提取的边频结构更加清晰，为准确判断齿轮的故障状态提供了一种有效的方法。 关键词 经验模态分解；Wigner高阶矩谱；边际谱；齿轮故障诊断 中图分类号THl7；TN911．7 modefunc— 种频率成分以固有模态函数(intrinsic 引 言 tion，简称IMF)的形式从时间曲线中分离出来。 所获得IMF满足以下两个条件[4咱]：a．在整个数据 在齿轮与滚动轴承的故障诊断中，由于振动信 序列中，极值点的数量与过零点的数量相等，或最多 号的非稳性，时频分析得到越来越广泛的重视[1‘4]。 相差一个；b．在任何时间点上，由信号序列局部极 Wigner—villedistribution(简称wD，Wigner谱)可 看作信号能量在联合的时间和频率域中的分布，是 大值和局部极小值所定义包络的均值为零。这样就 分析非平稳故障振动信号的重要工具，但是WD有 把原始信号分解为一系列满足窄带条件信号的组 比较严重的交叉项，因此对于如何消除干扰项的影 合，正好满足Hilbert变换的要求[4巧]。 响、提高谱图的可读性，是多年来时频分布的研究热 设被分析信号的时间序列为X(￡)，其分解过程 点[2≈]。近年来，许多学者从高阶统计量的角度出 可简要地描述为以下几步[4罐]：a．找出X(￡)的所有 发，在Wigner分布的定义上提出了Wigner高阶矩 极大值点和极小值点，将其用三次样条函数分别拟 谱的方法，但Wigner高阶矩谱也受到交叉项的干 合为原数据序列的上、下包络线；b．上、下包络线的 扰[2]，以至影响了Wigner高阶矩在工程中的应用， 均值为平均包络线m。。，将原序列减去m。。便可得到 文献[2]研究了局域均值分解和Wigner高阶 矩谱结合消除交叉项的方法。笔者将N．E．Huang 一个去掉低频的新序列h。。，即h。。=X(￡)一m，。；C． 提出的经验模态分解法引入到Wigner高阶矩谱 h，。不一定是一个平稳序列，为此需要对它重复上述 中，提出一种新的Wigner高阶矩谱的交叉项干扰 过程。如果h。。的平均包络线为仇¨，则去除该包络 抑制方法，并在此基础