[发明专利]一种基于改进HHT的滚动轴承故障诊断方法

摘要

本发明公开了一种基于改进HHT的滚动轴承故障诊断方法，通过软筛分停止准则自适应地确定EMD和NHT的筛分迭代次数并进行筛分，得到瞬时幅值AMi[n]和瞬时频率fi[n]，再利用AMi[n]和fi[n]构建时频谱，并通过时频谱生成快速谱峭度图，选择峭度值最高的频带进行平方包络解调，找出故障特征频率点观测其幅值变化，从而确定故障。

主权项

1.一种基于改进HHT的滚动轴承故障诊断方法，其特征在于，包括以下步骤：(1)、采集滚动轴承振动信号使用振动数据采集仪以采样频率Fs采集待检测滚动轴承在运行状态下垂直方向的振动信号，记为x[n]，n＝1,2,…,Ns，Ns为总采样点数；(2)对采集的振动信号x[n]进行改进型经验模态分解(2.1)、令每个IMF的初始信号为ri[n]，每次筛分过程的初始信号为hik[n]，i表示第i个IMF，k表示第k次筛分；设置每个IMF的最大筛分次数为Imax；初始化i＝1，ri[n]＝x[n]；(2.2)、令k＝0，hik[n]＝ri[n]；(2.3)、令k＝k+1，确定hik‑1[n]中所有极值点，然后分别采用三次样条曲线连接所有极大值点和极小值点，从而依次形成上上包络线Emaxik[n]和下包络线Eminik[n]；(2.4)、计算hi(k‑1)[n]的包络均值信号mik[n]；(2.5)、计算估计的零均值信号hik[n]；hik[n]＝hi(k‑1)[n]‑mik[n](2.6)、计算hik[n]的包络均值信号mi(k+1)[n]，再根据mi(k+1)[n]计算fik；fik＝RMS(mi(k+1)[n])+|EK(mi(k+1)[n])|(2.7)、判断当前筛分次数k是否满足k≥3，如果满足，则执行步骤(2.8)，否则返回步骤(2.3)；(2.8)、判断当前筛分次数k是否达到最大筛分次数Imax，如果达到，则IMFi筛分过程终止，且IMFi[n]＝hik[n]；否则执行步骤(2.9)；(2.9)、如果hik[n]的极值点的个数和零交叉点的个数相等或相差1个，则执行步骤(2.10)，否则返回步骤(2.3)；(2.10)、如果fi(k‑2)＜fi(k‑1)且fi(k‑1)＜fik，则IMFi筛分过程终止，此时IMFi[n]＝hi(k‑2)[n]；否则返回步骤(2.3)；(2.11)、令i＝i+1，计算IMFi的初始信号ri[n]，计算公式如下式：ri[n]＝ri‑1[n]‑IMFi‑1[n](2.12)、判断ri[n]是否为单调函数，如果是单调函数，则改进型经验模态分解结束；否则重复步骤(2.2)—(2.11)，直到ri[n]变成一个单调函数，则改进型经验模态分解结束；(3)、对每个IMF进行改进型归一化希尔伯特变换(3.1)、令每个IMF的初始信号为IMFi[n]，每次筛分过程的初始信号为sik[n]，i表示第i个IMF，k表示第k次筛分；设置每个IMF的最大筛分次数为Imax；初始化i＝1；(3.2)、令k＝0，sik[n]＝IMFi[n]；(3.3)、令k＝k+1，确定si(k‑1)[n]中所有极大值点，然后采用滑动平均法连接所有的极大值点，形成包络信号aik[n]；(3.4)、计算sik[n]；sik[n]＝si(k‑1)[n]/aik[n](3.5)、确定sik[n]的包络信号ai(k+1)[n]，再通过下式计算零均值信号qi(k+1)[n]；qi(k+1)[n]＝ai(k+1)[n]‑1(3.6)、根据qi(k+1)[n]计算fik；fik＝RMS(qi(k+1)[n])+|EK(qi(k+1)[n])|(3.7)、判断当前筛分次数k是否满足k≥3，如果满足，则执行步骤(3.8)，否则返回步骤(3.3)；(3.8)、判断当前筛分次数k是否达到最大筛分次数Imax，如果达到，则IMFi解调过程终止，FMi[n]＝sik[n]，AMi[n]＝IMFi[n]/sik[n]；否则执行步骤(3.9)；(3.9)、如果fi(k‑2)＜fi(k‑1)且fi(k‑1)＜fik，则IMFi解调过程终止，此时FMi[n]＝si(k‑2)[n]，AMi[n]＝IMFi[n]/si(k‑2)[n]；否则返回步骤(3.3)；(3.10)、计算FM_i[n]信号的希尔伯特变换对则解析信号表示为：(3.11)、计算FMi[n]的包络信号AM_HT[n]；(3.12)、更新FMi[n]和AMi[n]；FMi[n]＝FMi[n]/AM_HTi[n]AMi[n]＝AMi[n]×AM_HTi[n](3.13)、计算FMi[n]的瞬时相位φi[n]；(3.14)、计算FMi[n]的瞬时频率fi[n]；(3.15)、令i＝i+1，再返回步骤(3.2)，直到所有的IMF解调结束；(4)、计算频率段特征(4.1)、通过步骤(3)计算出的所有瞬时幅值AMi[n]和瞬时频率fi[n]得到改进HHT的时频谱；(4.2)、设置分割深度j，j＝1,2,…,h；h为分割层数，将时频谱在频域上按照分割深度j进行分割，得到一系列谱峭度其中，τ表示在同一分割深度上的频带分割位置；(5)、获得快速谱峭度图(5.1)、将步骤(4)得到的一系列谱峭度构成快速谱峭度矩阵，再通过MATLAB中的imagesc函数将快速谱峭度矩阵生成快速谱峭度图；(5.2)、记录下快速谱峭度图中峭度最大的频带所在的中心频率和带宽；(6)、处理目标频带(6.1)、将步骤(5)得到的中心频率和带宽作为滤波器的参数，然后用滤波器从原始信号中滤出目标信号；(6.2)、先对目标信号的包络进行平方，再做傅里叶变换，得到其平方包络谱；(6.3)、在平方包络谱上先找出轴承的故障特征频率点，然后观测故障特征频率处的幅值变化，如果故障特征频率处的幅值基本保持不变，则判断滚动轴承正常；如果故障特征频率处的幅值变化显著，则判断滚动轴承故障。