[发明专利]基于解析模态分解的旋转机械故障诊断方法

说明书

技术领域

本发明涉及机械故障诊断技术领域，特别是一种基于解析模态分解的旋转机械故障诊断方法。

背景技术

旋转机械设备在工业生产中占有非常重要的地位，广泛应用于航空、化工、冶金等各个重要部门，它的好坏直接影响整台机械设备的性能，其缺陷会导致设备产生异常振动，甚至造成设备破坏。保障旋转机械的安全运行、避免事故的发生是非常重要的，因此，对旋转机械的故障诊断具有重要现实意义。

Chen and Wang于2012年提出了一种新的信号分解方法，称为解析模态分解法(Analytical Mode Decomposition，AMD)。其实质是把一个一般的时间序列由一个二分频率精确地分离成两个时间函数，该方法具有以下几个优势：(1)能够分解有紧密间隔频率成分的信号；(2)能够从大的波动中分离出小的间歇性波动；(3)能够区分在窄带信号中的各种成分。然而该方法需要知道信号里的各个频率成分来确定二分频率值。

对于一些旋转机械，如滚动轴承，其不同部位的故障特征频率是可以预知的，因此可以利用解析模态分解法提取故障特征频率所在频段的信号并求其频谱，来判断旋转机械是否存在故障以及故障的类型。

发明内容

本发明所要解决的技术问题是提供一种处理时间短、故障诊断精确快捷的基于解析模态分解的旋转机械故障诊断方法。

本发明所述方法包括以下步骤：

(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。

进一步的，所述步骤(2)中的各个故障特征频率是可以计算出来的，因此可以利用解析模态法(AMD)提取出各个故障特征频率所在频段的信号。解析模态分解的过程如下：

a、一个时间序列可以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|＜ω_b、|ω|＞ω_b；

式中，ω_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(ω_bt)，s_s(t)＝sin(ω_bt)，s_k(t)x(t)的希尔伯特变换为：