[发明专利]基于解析模态分解的旋转机械故障诊断方法

权利要求书

1.一种基于解析模态分解的旋转机械故障诊断方法，其特征是：包括以下步骤：

(1)首先在待测的旋转机械上安装加速度传感器和信号传输线，采集旋转机械在工作状态时的振动信号，并将获得的振动信号传输到计算机中；

(2)若获取的旋转机械振动信号中所有可能存在的故障频率为f₁,f₂,f₃...f_n，对原振动信号进行解析模态分解，提取出各个故障特征频率所在频段的信号；

(3)对解析模态分解后的分量进行傅里叶变换，求出所有提取出的分量信号的频谱，通过与预先存储在计算机中的旋转机械的故障特征频率进行比较，判断提取出的分量信号的频谱中是否有故障特征频率成分；

(4)将信号频谱中有故障特征频率的保留，将频谱中不含故障特征频率的去除；

(5)经解析模态分解法提取出的各个信号中含有的故障特征频率为f₁,f₂,f₃...f_m，根据所含频率成分判断旋转机械是否存在故障以及发生故障的部位。

2.根据权利要求1所述的基于解析模态分解的旋转机械故障诊断方法，其特征是：步骤(2)中所述的解析模态分解，其解析模态分解的过程如下：

a、将一个时间序列分解成任意两个信号的和的形式：

式中，x(t)表示任意时间序列；s₁(t)和表示任意两个信号；

两个信号的频率范围分别为|ω|<w_b、|ω|>w_b；

式中，w_b是一个任意正值，被称为二分频率；ω代表频率；

b、令s_c(t)＝cos(w_bt)，s_s(t)＝sin(w_bt)，s_k(t)x(t)的希尔伯特变换为：

H[sk(t)x(t)]=H[sk(t)s1(t)]+H[sk(t)s‾1(t)]=s1(t)H[sk(t)]+sk(t)H[s‾1(t)];]]>

c、当k分别取c和s，且s_c(t)和s_s(t)的希尔伯特变换可以表示为：

H[s_c(t)]＝sin(w_bt)和H[s_s(t)]＝-cos(w_bt)

解得s₁(t)＝sin(w_bt)H[x(t)cos(w_bt)]-cos(w_bt)H[x(t)sin(w_bt)]

则s‾1(t)=x(t)-s1(t).]]>