[发明专利]一种改进经验模态分解轴承振动分析方法及系统

说明书

本发明涉及一种改进经验模态分解轴承振动分析方法及系统。首先对信号进行能量分离来处理非事件性模态混叠的方法，然后将分离的信号分别进行事件性模态混叠处理，得到待分解的信号，再利用单调一致性原则消除经验模态分解中的端点效应，从而得到最后的轴承振动分解信号。本发明能够提高轴承振动信号分解精度，使得分析效率增高，更加便于工程实践中使用。

技术领域

本发明涉及轴承振动分析领域，特别是涉及一种改进经验模态分解轴承振 动分析方法及系统。

背景技术

在1998年美国国家宇航局的Norden E Huang提出了一种针对非平稳、非 线性信号的新方法，它的基本思想是通过对非平稳信号进行经验模式分解 (EMD,Empirical ModeDecomposition)，将信号分解成一系列本征模态函数 (IMF,Intrinsic Mode Function)，利用了EMD分解和连续均值筛选的方法，论 证了EMD分解的完备性和正交性。随着研究的不断深入，EMD发展逐步形 成了自己的理论体系，成了非线性和非平稳性信号的分析的新时频分析方法， 并广泛应用于旋转机械振动信号分析领域。

但是轴承振动信号具有很强的非线性和非平稳特征，从国内外经验模态分 解方法的研究情况来看，经验模态分解的本身存在模态混叠现象和端点效应现 象，导致基于轴承振动信号进行状态监测、故障诊断和趋势预测的研究都存在 很多的限制。所谓模态混叠是指不能根据时间特征尺度有效的分离模态成分， 使得在一个固有模态函数中，含有不只一个模态分量，从而不能清楚的反映信 号的内在固有性质。模态混叠分为事件模态混叠和非事件模态，事件模态极易 导致局部极值现象，使EMD分解精度降低，严重时EMD分解会失效。而非 事件模态混叠是指在几个频率共存的混合信号中，不能将某几个频率信号正确分离的现象。端点效应则是在使用EMD分解时，由于信号的极大值和极小值 计算信号的包络线时端点处是否是极值难以确定而产生的，端点效应会产生 EMD分解难以收敛的问题。由于上述的不足，导致经验模态方法在进行轴承 振动信号分析时存在一定的限制，因此改进EMD算法具有重大意义。

发明内容

针对上述问题，本发明提供一种改进经验模态分解轴承振动分析方法及系 统。

为实现上述目的，本发明提供了如下方案：

一种改进经验模态分解轴承振动分析方法，包括：

将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号；

判断所述第一高能量信号和所述第一低能量信号是否存在事件性模态；

若是，则按照事件性模态处理方法处理所述第一高能量信号和所述第一低 能量信号；

若否，则直接采用经验模态分解方法分解所述第一高能量信号和所述第一 低能量信号；

在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通 过抑制端点效应，得到第二高能量信号和第二低能量信号；

判断所述第二低能量信号是否存明显的波形特征；

若是，则将所述第二高能量信号和所述第二低能量信号进行希尔伯特黄变 换，得到变换图谱，结束整个分解过程；

若否，则将所述第二低能量信号赋值给所述轴承振动信号再一次进行分解， 直到低能量信号分解之后存在明显的特征或者待分解信号不满足经验模态分 解的条件，再将得到的低能量信号进行希尔伯特黄变换得到变换图谱，结束整 个分解过程。

可选的，所述将轴承振动信号进行分解，得到第一高能量信号和第一低能 量信号，具体包括：

将轴承振动信号利用奇异值分解，得到第一高能量信号和第一低能量信号。

可选的，所述按照事件性模态处理方法处理所述第一高能量信号和所述第 一低能量信号，具体包括：