局部均值分解在振动信号中的应用.docxVIP

局部均值分解在振动信号中的应用 监测机械状态和故障记录对确保设备高效运行，提高公司经济效益和公共安全具有重要的现实意义。振动信号分析是目前普遍采用的一种机械故障诊断方法。机械设备振动信号通常蕴含着丰富的故障特征信息。当机械设备发生碰摩、冲击等故障时,系统的阻尼、刚度、弹性力等都发生变化,呈现出非线性、振动信号变得非平稳。因此,如何有效地从振动信号中提取有用信息成分是机械设备故障诊断研究的关键。机械故障领域学者一直以来也都在寻找一些有效的信号处理与特征提取方法。迄今,机械振动信号的常见处理方法有时域分析法、频域分析法和时频域分析方法(短时傅里叶变换、Wigner-Ville分布、小波分析、Hilbert-Huang transform等)。每种方法都有其优势与不足,而时频域分析方法由于能够综合反映信号信息成分而得到广泛应用。 Smith提出一种新的信号分解方法—局部均值分解(Local mean decomposition,LMD)。LMD自适应地将信号分解为若干个乘积函数(Product Function,PF)之和,其中每一个PF可看作由一个包络信号与一个纯调频信号的乘积得到。目前国内外学者对于LMD算法的研究以及其在机械非平稳、非线性信号分析中的应用尚处于起步阶段,诸多问题尚需解决。本文基于LMD的瞬时频率精确计算、瞬时时频构建技术及其故障诊断的应用研究,并成功应用于转子碰摩故障、实际轧机齿轮箱齿面剥落故障诊断。 1 基于局部考虑且探索的lamd算法 LMD方法将信号自适应地分解为一系列PFs,每一PF是一个包络信号和一个纯调频信号的乘积得到。LMD分解具体算法步骤如下: (1)首先确定原始信号x(t)所有局部极值点(包括极大值点与极小值点)n11(kl)(l=1,2,…,M),分别由式(1)与式(2)求得局部幅值m11(t)与局部均值a11(t)。 (2)采用滑动平均(Moving Average,MA)对所得到的局部均值与局部幅值函数进行光滑处理。将光滑的局部均值函数槇m11(t)从原始信号中分离出来,并用光滑局部幅值函数槇a11(t)进行归一化操作: (3)若s11(t)不是一个区间[-1,1]上的纯调频信号,则将s11(t)作为原始信号重复n次(1)与(2)的操作,直到满足要求为止。瞬时相位(Instantaneous Phase,IP)与瞬时频率(Instantaneous Frequency,IF)可由式(5)与式(6)分别得出: (4)所有局部幅值的乘积得到瞬时幅值(Instantaneous amplitude,IA)成分: 而首个乘积函数可由下式得到: (5)将第一个PF分量从原始信号中分离出来, 得到新的信号u1(t)作为原始信号重复上述(1)~(4)步骤k次,直到uk(t)为单调函数。至此,原始信号可表示为k个PF分量与一个单调分量的和: LMD算法与EMD有诸多相似之处,如LMD同样需要进行端点处理,本文作者在文献中提出一种端点效应处理方式。此外,对于LMD与EMD的异同,作者进行了对比研究,详见文献。 2 lmd时频谱的构建 时频分析方法能同时提供信号在时域与频域的局部化信息。LMD时频谱构建的前提是准确计算IA与IF。每一分量的IA是由公式(7)得到,而准确的IF求解并不容易。本文将提出一种改进的瞬时频率求解方法。 2.1 求导的三种方法 如前所述,LMD采用式(5)与式(6)求信号的瞬时相位与瞬时频率,因此瞬时频率的求解过程与信号的LMD分解过程是一步完成的。另外,可以看出LMD求解瞬时频率是不依靠Hilbert变换,因此也就不存在Hilbert变换端点效应问题,这相比Hilbert-Huang变换方法已经有了一定改进。Huang等也意识到Hilbert变换求解瞬时频率的缺点,提出了一种经验AM/FM分析方法,具体操作过程为对于某个IMF成分x(t),采用三次样条函数求其极大值包络线e1(t),利用下式对其进行标准化处理: 若|f1(t)|≤1,则迭代终止,否则进行迭代标准化: 直到|fn(t)|≤1为止。经验调频(纯调频)信号F(t)与经验调幅信号A(t)可由式(13)与式(14)分别求得: 信号的瞬时相位与瞬时频率同样采用式(5)、式(6)求得。不难看出,这种经验AM/FM的瞬时幅值与瞬时频率的求解方法本质上非常类似于LMD方法,即两者均是通过迭代归一化操作得到一个纯调频信号。式(5)计算得出某一个相位φi(t)是一个幅度在[0,π]之间波动函数,因此需要进行解卷,具体解卷过程可用下式表示: 瞬时频率是由每一分量“解卷”后的瞬时相位的一阶导数求得,但是直接求导在两端的精度并不高,因此实际的求导操作可以借鉴文献中的数值运算方法,这种方法的一大优点是可以很好解决瞬时相位在边界上的求导问题。例