[发明专利]一种基于级联经验模态分解齿轮故障诊断方法

摘要

本发明涉及一种基于级联经验模态分解齿轮故障诊断方法，其步骤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；将采集到的振动信号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；对获得的混叠模态信号IMFj增加辅助信号，以得到新的混合信号；对得到的混合信号初始化，循环直到分解出的所有本征模态函数无模态混叠现象；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。本发明能及时、准确地诊断齿轮故障，避免了故障特征难以辨识的问题。

主权项

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ri(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)对本征模态函数分量IMF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(Ai1,Ai2.....Ain)，然后提取幅值排在前四位的四个幅值(Ai1,Ai2,Ai3,Ai4)及其对应的四个频率值(fi1,fi2,fi3,fi4)；(b)若本征模态函数分量IMF对应的前四位频率值fi1,fi2,fi3,fi4中的最大值fi'和最小值fi”的比值则本征模态函数分量IMF发生了模态混叠现象，产生混叠模态信号IMFj，然后进入步骤(4)；否则，本征模态函数分量IMF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IMFj增加辅助信号s(t)，以得到新的混合信号y(t)；辅助信号s(t)为：s(t)＝asin(2πft)，式中，a为辅助信号中的幅值，f为辅助信号中的频率；幅值a和频率f根据混叠模态信号IMFj的特征确定：由混叠模态信号IMFj的最大频率与最小频率均值确定f,由混叠模态信号IMFj的最大幅值和最小幅值均值确定a；(5)对步骤(4)得到的混合信号y(t)初始化，y(t)＝ro(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。