机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2011年
5期
71-77
,共7页
总体平均经验模式分解%Hilbert-Huang变换%故障诊断
總體平均經驗模式分解%Hilbert-Huang變換%故障診斷
총체평균경험모식분해%Hilbert-Huang변환%고장진단
Hilbert-Huang变换(Hilbert-Huangtransform,HHT)通过经验模式分解(Empirical mode decomposition,EMD)和Hilbert变换能够自适应地将复杂的非线性、非平稳信号刻画成Hilbert-Huang谱,突显信号的局部特征,具有良好的时频聚集能力,因此被广泛用于机械信号处理与故障诊断.然而,EMD存在的模式混淆问题使其难以获得准确的本征模式分量(Intrinsic mode function,IMF).此外,通常只有部分IMF包含故障敏感信息、表征故障特征.因此基于EMID和所有IMF的Hilbert-Huang谱的故障诊断精度有待提高.为此提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改进HHT.该方法利用EEMD获取无模式混淆的IMF,通过敏感度评估算法从EEMD所有的IMF中选择反应故障特征的敏感IMF,从而得到改进的Hilbert-Huang谱以更准确地诊断机械故障.通过仿真试验以及转子早期碰摩故障诊断的工程实例验证了改进HHT的有效性.
Hilbert-Huang變換(Hilbert-Huangtransform,HHT)通過經驗模式分解(Empirical mode decomposition,EMD)和Hilbert變換能夠自適應地將複雜的非線性、非平穩信號刻畫成Hilbert-Huang譜,突顯信號的跼部特徵,具有良好的時頻聚集能力,因此被廣汎用于機械信號處理與故障診斷.然而,EMD存在的模式混淆問題使其難以穫得準確的本徵模式分量(Intrinsic mode function,IMF).此外,通常隻有部分IMF包含故障敏感信息、錶徵故障特徵.因此基于EMID和所有IMF的Hilbert-Huang譜的故障診斷精度有待提高.為此提齣一種基于總體平均經驗模式分解(Ensemble empirical mode decomposition,EEMD)和敏感IMF的改進HHT.該方法利用EEMD穫取無模式混淆的IMF,通過敏感度評估算法從EEMD所有的IMF中選擇反應故障特徵的敏感IMF,從而得到改進的Hilbert-Huang譜以更準確地診斷機械故障.通過倣真試驗以及轉子早期踫摩故障診斷的工程實例驗證瞭改進HHT的有效性.
Hilbert-Huang변환(Hilbert-Huangtransform,HHT)통과경험모식분해(Empirical mode decomposition,EMD)화Hilbert변환능구자괄응지장복잡적비선성、비평은신호각화성Hilbert-Huang보,돌현신호적국부특정,구유량호적시빈취집능력,인차피엄범용우궤계신호처리여고장진단.연이,EMD존재적모식혼효문제사기난이획득준학적본정모식분량(Intrinsic mode function,IMF).차외,통상지유부분IMF포함고장민감신식、표정고장특정.인차기우EMID화소유IMF적Hilbert-Huang보적고장진단정도유대제고.위차제출일충기우총체평균경험모식분해(Ensemble empirical mode decomposition,EEMD)화민감IMF적개진HHT.해방법이용EEMD획취무모식혼효적IMF,통과민감도평고산법종EEMD소유적IMF중선택반응고장특정적민감IMF,종이득도개진적Hilbert-Huang보이경준학지진단궤계고장.통과방진시험이급전자조기팽마고장진단적공정실례험증료개진HHT적유효성.
