[发明专利]一种基于级联经验模态分解齿轮故障诊断方法

说明书

技术领域

本发明涉及一种故障诊断方法，特别是关于一种面向旋转机械设备中的基于级联经验模态分解齿轮故障诊断方法。

背景技术

在众多机械设备中，齿轮箱是机械动力装置中的关键功能部件之一，齿轮箱应用十分广泛，例如机车、船舶、冶金、航天等领域。机械设备的智能化程度越来越高，安全性、可靠性和稳定性成为衡量设备性能的关键因素。齿轮是传动动力的重要零件，也是最容易发生故障的部位，由于齿轮在传动过程中受各种工况的不确定性因素影响，使得齿轮故障诊断面临着较大的挑战。因此针对齿轮故障诊断与故障预测研究成为机械设备运行过程中的重要组成部分，对早期判断机械设备故障和保证设备稳定运行具有重要意义。

齿轮振动检测是获取齿轮故障特征的主要方法。目前，对于振动信号的处理已经有了很多方法，比如快速傅立叶变换、小波分析、EMD等。由于齿轮传动过程中会受到不确定因素影响，产生的信号在分析过程中往往存在微弱性、混叠性、非线性等特点，使得这些传统的方法无法得到满意的表征故障的特征参量，因此针对包含在大量噪声下的不确定信息情况下，目前方法难以为齿轮故障诊断提供一种有效手段。

发明内容

针对上述问题，本发明的目的是提供一种基于级联经验模态分解齿轮故障诊断方法，该方法在复杂情况下，能及时、准确地诊断齿轮故障，可以实现从原始信号中自适应循环分离出表征故障特征的参量，使故障特征在不同时间尺度上表现更加明显，从而避免了故障特征难以辨识的问题。

为实现上述目的，本发明采取以下技术方案：一种基于级联经验模态分解齿轮故障诊断方法，其特征在于包括以下步骤：(1)采用振动传感器对齿轮故障工况进行监测，并采集齿轮故障工况振动信号；设采集到的齿轮断裂状态信号中的振动信号为x(t)，令r_i(t)为振动信号x(t)经第i次迭代筛选后的信号；将振动信号x(t)初始化，x(t)＝r₀(t)，i＝1；(2)将采集到的振动信号x(t)采用多级经验模态分解方法进行故障信号局部特征提取，获取本征模态函数：(3)对得到的本征模态函数进行功率谱分析，提取本征模态函数分量IMF的混合单频信息，并判断其是否发生了模态混叠状态：(a)对本征模态分量c_i进行功率谱分析，将功率谱中各个频率对应的幅值从大到小进行排序(A_i1,A_i2.....A_in)，然后提取幅值排在前四位的四个幅值(A_i1,A_i2,A_i3,A_i4)及其对应的四个频率值(f_i1,f_i2,f_i3,f_i4)；(b)若本征模态分量c_i对应的前四位频率值f_i1,f_i2,f_i3,f_i4中的最大值f_i'和最小值f_i”的比值η＝f_i'/f_i”≥5，则本征模态分量c_i发生了模态混叠现象，产生混叠模态信号IMF_j，然后进入步骤(4)；否则，本征模态分量c_i没有发生模态混叠现象，则转到步骤(6)；(4)对获得的混叠模态信号IMF_j增加辅助信号s(t)，以得到新的混合信号y(t)；(5)对步骤(4)得到的混合信号y(t)初始化，y(t)＝r_o(t)，i＝1；进入步骤(2)循环，直到分解出的所有本征模态函数无模态混叠现象；(6)对最后获得的无模态混叠现象的本征模态函数进行功率谱分析，获取故障特征频率。