在汽车变速齿轮箱振动故障分析的应用.pdfVIP

2009年3月 安徽大学学报(自然科学版) March2009 of JournalAnhui NaturalScienceEdition V01．33No．2 第33卷第2期 University EMD在汽车变速齿轮箱振动故障分析的应用 张德祥1”，吴小培1，卢一相2 (1．安徽大学计算智能与信号处理教育部重点实验室，安徽合肥230039； 2．安徽大学电子科学与技术学院，安徽合肥230039) 摘要：采用经验模态分解和能量特征值对振动加速度传感器获取的汽车齿轮箱振动信号进行特 性分析．利用经验模态分解获得振动信号的本征模态函数，并对本征模态函数进行系数一能量计算，提 取系统的特征信息，对汽车齿轮箱的故障进行诊断，从而实现在线监测汽车齿轮变速箱运转工作状态， 及时发现齿轮箱的早期故障，提高汽车运行的安全性．仿真研究结果表明经验模态分解方法在故障信息 诊断方面是可行的和有效的，并能够提高故障检测的可靠性． 关键词：变速齿轮箱；经验模态分解；本征模态函数；能量；故障诊断 中图分类号：TP206 文献标识码：A 文章编号：1000—2162(2009)02—0035—04 汽车变速齿轮箱是汽车动力系统中重要部件，开展齿轮箱振动信号分析且实现在线监测，能够实现 齿轮变速箱的早期故障监测和诊断，对汽车的安全行驶和避免突发事故发生起着非常重要的作用…． 在线监测就是对测取的含有故障信息的非线性、非平稳信号进行处理和分析，从信号中找出与故障有关 的特征参数，利用这些特征参数对设备的状态进行判断[2J．目前常用的小波分析方法虽然在时域和频 域都具有很好的局部化性质，但本质上仍是一种窗口可调的Fourier变换，在小波窗内的信号必须是平 稳的，因而没有根本摆脱Fourier分析的局限．另外，小波分解与选择的小波基和分解尺度有关，无法反 映信号的本质特征¨-． Mode 经验模态分解(Empirical J． 平稳信号分析方法，被认为是近年来对以Fourier变换为基础对线性和稳态谱分析的一个重大突破【4 论文就是利用EMD方法对汽车齿轮变速箱振动测试信号进行分解，再根据不同频带内信号所包含故障 信息的能量变化对故障分析检测，通过系数一能量变化实现早期故障监测和诊断． 1 EMD分解的原理 经验模态分解(EMD)方法是将复杂信号分解成有限数目相互独立的具有稳态特性的本征模态函 Mode 数(Intrinsic Function，IMF)集bJ，每个IMF可以是线性的或非线性的，任何一个信号可以分解为 有限个IMF之和．与其他信号处理方法相比，EMD分解出来的IMF分量包含了信号从高到低不同频率 段的成分，每个频率段包含的频率分辨率都随信号不同而变化，具有自适应多分辨分析特性，是一种自 适应信号处理方法．其分解过程如下： (1)首先找出原始信号S(t)所有的极大值点和极小值点，并用三次样条函数拟合原始数据数列的 上下包络线； (2)计算上下包络线的均值，记为m。(t)；并将原始数据序列s(t)减去该均值可得到一个去掉低频 的新数据序列hI(t)，即h，(t)=S(t)一m。(t)． 样可得到第一个IMF分量C，(f)，它代表信号S(t)中最高频率的分量． (4)将原始信号与第一个IMF分量c。(t)相减，得到原始信号中不包含最高频率分量的剩余信号 收稿日期：2008一ll一18 基金项目：国家自然科学基金资助项目；安徽省教育厅自然科学基金资助项目(K 作者简介：张德祥(1968一)，男，安徽六安人，安徽大学副教授，在职博士生． 万方数据 36 安徽大学学报(自然科学版)