基于EMD的齿轮故障识别研九1-电子与信息学报.PDFVIP

第26卷第5期 电子与信 息学报 Vol.26No.5 2004年 5月 JournalofElectronicsInformationTechnology May2004 基于EMD的齿轮故障识别研究 ‘ 程军圣 于德介 杨 宇 邓乾旺 陈 源 (湖南大学机械与汽车工程学院长沙410082) 摘 要 EMD(EmpiricalModeDecomposition)方法是一种自适应的信号分解方法，该文根据齿 轮故障振动信号的特点，将EMD方法应用于齿轮故障诊断中.研究结果表明，EMD方法可以有效地提 取齿轮故障振动信号的特征. 关链词: EMD，自适应的信号分解，齿轮故障 中图分类号: TN911.7 文献标识码:A 文章编号:1009-5896(2004)05-0825-05 ResearchonGearFaultDiagnosisBasedonEMD ChengJun-sheng YuDe-jie YangYu DengQian-wang ChenYuan (CollegeofMechanicalandAutomotiveEng.,HunanUniv.,Changsha410082,China) Abstract EMD(EmpiricalModeDecomposition)methodisaself-adaptivesignaldecom- positionapproach.Onthebasisofthecharacteristicsofthegearfaultvibrationsignals, EMDisappliedtogearfaultdiagnosis.Theresultoftheapplicationindicatesthatthe characteristicsofgearfaultvibrationsignalscanbeextractedbyEMDmethodefficiently. Keywords EMD,Self-adaptivesignaldecomposition,Gearfault 1引言 齿轮故障诊断的关键是从齿轮故障振动信号中提取故障特征，但齿轮故障振动信号往往表 现为非平稳特征，对这类信号傅里叶变换只能分别给出信号在时域或频域的统计平均结果，无法 同时兼顾信号在时域和频域中的全貌和局部化特征，而这些局部化特征恰是齿轮故障的表现。 小波分析能同时提供振动信号的时域和频域的局部化信息，具有多尺度特性和 “数学显微”特 性，这些特性使得小波分析能识别振动信号中的突变成份，因此近几年来小波分析越来越广泛 地应用于齿轮故障诊断中。但是，小波分析本质上是可调的窗口傅里叶变换，由于小波基函数 的长度有限，在对信号作小波变换时会产生能量泄漏，从而要对信号在时域和频域作精确分析 会有较大的困难;另一方面，一旦选择了小波基和分解尺度，所得到的结果是某一固定频段的 信号，这一频段只与信号的采样频率有关而与信号本身无关，从这一方面来讲小波分析不具有 自适应性。然而，一种被称为EMD(EmpiricalModeDecomposition)的信号处理方法[]‘提出 来后，经验证在很多方面的应用效果都优于其它的信号处理方法2[,3]。在信号分析中，时间 尺度和随时间尺度分布的能量是信号的最重要的两个参数，EMD方法是基于信号的局部特征 的信号分解方法，能把复杂的信号分解为有限的基本模式分量(IntrinsicModeFunction,IMF) 之和，每一IMF所包含的频率成分不仅与采样频率有关而且最重要的是随信号本身变化而变 化，因此EMD方法是自适应的信号处理方法，非常适合处理非线性和非平稳过程.本文在介绍 EMD方法的基础上，根据齿轮故障振动信号的特点，将EMD方法应用于齿轮故障诊断中，结 果表明EMD方法能有效地提取齿轮故障信号的特征. 12003-02-12收到，2003-06-09改回 国家自然科学基金资助项目 826 电 子 与 信 息 学 报 第 26卷 2EMD方法