希尔伯特黄变换在轴承故障诊断中应用

《希尔伯特黄变换在轴承故障诊断中应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、希尔伯特黄变换在轴承故障诊断中应用摘要：设备状态监测与故障诊断的重点是转动类机械，此类设备的故障很大程度上与滚动轴承有关，基于希尔伯特黄变换的滚动轴承故障诊断方法就是针对滚动轴承故障振动信号的非平稳特性提出的。本文阐述了希尔伯特变换的基本原理和对振动信号的处理以及如何利用希尔伯特谱反映的信息对滚动轴承进行故障诊断。关键词：希尔伯特黄变换滚动轴承故障诊断1前言滚动轴承是旋转类机械的容易受损的零件之一，有相当大比例的旋转机械所发生的故障是由滚动轴承的失效引起的，因此对滚动轴承的状态监测和故障诊断日趋成为故障诊断技术的重中之重。希尔伯特

2、变换弥补了传统方式不能完全意义上进行非线性非平稳信号处理的缺陷，能够适用于非线性非平稳信号的处理。在“筛选”过程中能够产生“基”从而具有完全自适应的能力，并且不受测不准原理的约束，在时间和空间上都能够达到足够高的精确度，所以希尔伯特黄变换在很多的领域广泛应用，本文主要是它在滚动轴承状态监测和故障诊断故障技术领域中的应用。2希尔伯特黄变换希尔伯特变换是由德国数学家提出的一种用于信号分析中的非常重要的工具，希尔伯特黄变换是综合了希尔伯特谱信号分析与经验模态分解而形成的一种方法。2.1经验模态分解经验模态分解也就是所谓的“筛选”过程，它

3、能够根据信号的不同情况自适应地把一个复杂非平稳的信号分解成为几个固有的模态函数的组合。其中的任意一个固有模态函数满足如下两个基本条件。一是信号极值点的数量与零点的数量在整个数据段里相等或者相差一个。二是由极小值定义出来的下包络线与极大值定义出的上包络线在任何一点的局部平均值都为零。经验模态分解是指用本征模态函数对输入的信号进行数据处理，求出信号所有的局部极小值点和极大值点，再对极值点运用三次样条插值函数构造出信号的下包络线和上包络线。这两条包络线应把所有的数据点都包络进去。2.2希尔伯特谱本征模态函数与传统方法的瞬时频率的有所不同

4、，它有非常明确的物理意义。故而对经验模态分解后所得的窄带信号进行希尔伯特变换，则有用希尔伯特谱分析所采集到的数据信息，然后进行分解，可得阶数高达9的固有模态函数。将归一化频率作为纵坐标，可得到如图3所示的希尔伯特谱图。由上图可以方便的判断出轴承外圈的失效形式为表面损伤，这是根据希尔伯特谱提取的轴承外圈损伤振动信号的特征频率得到的。故障发生在转动频率为25Hz的输入轴的某个零部件上，并且发生在通过频率为67Hz左右的外圈上,又因为齿轮箱和轴承外圈的频率分别为0.5kHz和0.1kHz,因此认为是宽带信号引起的脉冲冲击力。由此可见，希

5、尔伯特变换的方法能够准确无误的得出故障情况和相应的诊断结果。4结束语希尔伯特黄变换方法在滚动轴承的故障解决和状态监控中比传统的方法有无可替代的绝对优越性：(1)它彻头彻尾地挣开了线性和平稳性的枷锁，能够适用于非线性非平稳信号的处理。通过“筛选”过程能够产生本征模态函数，有很强的自适应性，而且该变换对信号强度的泄露和削弱是几乎没有的，具有较强的处理信号的能力。(2)特别是存在非平稳信号时，能够真实准确的反映振动的特点，对时频特征的反映非常到位。由试验结果可以看出，从希尔伯特谱中可以及时地获取滚动轴承的故障情况，在滚动轴承的状态监测和

6、故障诊断中必然有更为长远的发展°参考文献[1]胡广书.数字信号处理一理论、算法与实现•北京：清华大学出版社，2000.[2]杨宇，于德介，程军圣.基于Albert边际谱的滚动轴承故障诊断方法[J].振动与冲击，2005[2]陈亚勇.MATLAB信号处理详解.北京：人民邮电出版社，2001