小波降噪和局域均值分解的齿轮故障特征提取技术 .pdfVIP

小波降噪和局域均值分解的齿轮故障特征提取技术

魏永合;牛保国;刘雪丽;赵旭宁;李曙光

【摘要】针对齿轮系统非线性、非平稳性特点及传统时频分析方法的局限性,提出

一种将小波和局域均值分解(Localmeandecomposition,LMD)相结合进行齿轮

故障特征提取的方法.该方法将原始信号通过小波分解再重构进行处理,以降低噪声

的干扰,然后对重构信号进行LMD分解,并且对分解后所得到的乘积函数(PF)分量

进行筛选.对筛选后的乘积函数进行包络谱分析,提取其故障特征进行研究.结果表明,

两者相结合是一种很有效的故障特征提取方法,减弱了噪声对信号的干扰,可以实现

对其振动信号故障特征的提取和诊断.

【期刊名称】《沈阳理工大学学报》

【年(卷),期】2016(035)003

【总页数】7页(P79-85)

【关键词】小波;局域均值分解(LMD);齿轮故障;特征提取

【作者】魏永合;牛保国;刘雪丽;赵旭宁;李曙光

【作者单位】沈阳理工大学机械工程学院,沈阳110159;沈阳理工大学机械工程学

院,沈阳110159;沈阳理工大学机械工程学院,沈阳110159;沈阳理工大学机械工程

学院,沈阳110159;霍林郭勒职业技术学校,内蒙古通辽029200

【正文语种】中文

【中图分类】TP206+.3

旋转机械随着制造业的发展在机械工业领域的应用越来越广泛，其功能越来越完善，

结构也随之复杂，工作环境更加多变。由于其大负载、高转速、连续工作的特性，

容易引发各种故障从而导致设备不能正常运转，影响机械的正常工作，降低生产效

率。齿轮在机械设备领域中是应用非常广泛的零件，且容易产生各种故障，它能否

正常工作，直接影响整台甚至整套设备的工作状态。齿轮的振动信号表现出非线性、

不平稳性，是多分量的AM、FM信号，其振动系统的振动信号包含多种频率成分。

目前对齿轮故障诊断的特征提取研究已成为热点。何俊等[1]利用循环平稳度对齿

轮故障信号进行解调分析，有效地实现了对调频信号的解调。孙伟等[2]将基于复

解析带通滤波器的ZOOMFFT法应用于故障齿振动信号的边频分析中，准确提取

了边频带信息。程军圣等[3-5]根据故障齿轮运行过程中表现出的振动特征,将基于

LMD引入对其故障特征的检测与诊断,证明局域均值可以有效提取齿轮故障特征。

成钰龙等[6]综合研究了HHT和Morlet小波变换在齿轮故障诊断中的应用，结果

表明HHT方法更适合齿轮故障的诊断。孙伟等[7]通过真实滚动轴承数据的故障诊

断实验，证明了将小波包降噪与局域均值分解方法相结合的滚动轴承故障诊断方法

的可行性。

本文将小波和局域均值分解相结合，综合应用于齿轮故障诊断。采用小波分析方法

对齿轮振动信号进行去噪，对去噪后的信号采用局域均值分解方法进行处理。再选

取处理后的信号进行频谱分析，提取故障特征，进而判断工作齿轮的状态。

局部均值分解[8](LocalMeanDecomposition，LMD)是2005年由Jonathan

S.Smith提出的能够自适应处理非平稳信号、新信号的方法。局域均值分解方法可

以自适应地分解复杂的、非线性、不平稳、多分量的AM和FM调制信号，将其

分解为一系列的乘积函数(Productfunction,PF)之和。每一个乘积函数都由一个

包络信号和一个纯调频信号相乘组成。包络信号就是该乘积函数的瞬时幅值，纯调

频信号可以直接求出乘积函数的瞬时频率。进一步组合所有乘积函数的瞬时幅值和

瞬时频率，便可得到原始信号的完整时频分布。局域均值分解算法的经典分解步骤

和原理如下。

步骤1：求出原始信号x(t)的所有局部的极值点ni和极值点所在时刻tni，计算相

邻极值点ni和ni+1之间的平均值m1。

将所有的平均值mi在其对应的极值点时刻值tni和tni+1进行直线线性延拓，得

到局部的均值线段(t)，对局部均值线段进行平滑处理，可获取局部的均值函数(t)。

步骤2：根据局部极值点及其时刻计算包络估计函数a11(t)：

对上述求得的局部幅值进行线性直线延拓，可以获取信号的局部幅值曲线(t)，同

样对局部幅值线段进行平滑处理，获取信号的包络估计函数(t)。

步骤3：从原始信号x(t)中分离局部均值函数m11(t)，并对分离后的信号做解调

处理：

式中，h11(t)为分离局部均值函数以后的数据；s11(t)为解调后的数据。

计算解调后数据s1