基于WPD—HHT的滚动轴承故障诊断-论文.pdf

《基于WPD—HHT的滚动轴承故障诊断-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于WPD—HHT的滚动轴承故障诊断熊星，孔凡让，张海滨，李昌林，朱丕亮(中国科学技术大学精密机械与精密仪器系，安徽合肥230027)RollingElementBearingFaultDiagnosisBasedonWPD—HHTMethodXIONGXing，KONGFan—rang，ZHANGHai—bin，LIChang—lin，ZHUPi—liang(DepartmentofPrecisionMachineryandPrecisionInstrumentation，UniversityofScienceandTechnologyofChina，Hefei230027

2、，China)摘要：在分析小波包分解(WPD)和Hilbert—泛且最易损坏的机械零件之一_2]，对轴承进行必要Huang变换(HHT)的基础上，通过将WPD和和有效的故障诊断已成为保障机械系统正常运行，HHT相结合，引进了一种故障诊断方法(WPD—提高设备工作效率的重要手段。HHT)。仿真和实验表明，此方法能有效提取周期滚动轴承故障诊断包括3个环节：一是诊断信性脉冲成分并抑制噪声。息的获取，二是特征向量的提取，三是状态的识别。关键词：小波包分解；Hilbert—Huang变换；滚特征向量提取的过程就是信号处理的过程。由于环动轴承；故障诊断境的复杂性和主轴系统所采用滚动轴承的

3、多样性，中图分类号：TH165．3；TN911．7很难直接从原始的信号来评估机器的状态。几十年文献标识码：A来，学者们相继发展了许多适合于非平稳信号的处文章编号：1001—2257(2014)01—0008—04理方法，但是效果都不理想_3]。Fourier变换缺乏时Abstract：Inthisarticle，basedonthetheoreti—间和频率定位功能，在分辨率上和对非平稳信号分calfoundationofWaveletPacketsDecomposition析上有很大的局限性。小波变换也具有自身不可避(WPD)andHilbert—huangTransfor

4、m(HHT)，it免的缺陷：干扰项的存在、边缘失真以及能量的泄isproposedanewmethodcombinedwithWPDand漏。经验模态分解(EMD)方法是自适应的信号处HHT．Theperformanceoftheproposedmethod理方法，非常适用于非线性和非平稳的过程，具有很wasvalidatedbydetectingsimulationandexperi—高的信噪比，但是也存在自身的缺陷。mentalsignals．Theresultsshowedthatthepro—1基本理论posedmethodiseffectiveforextracti

5、ngperiodicimpulsesandsuppressingnoiseofvibrationsig—1．1Hilbert—Huang变换nals．HuangNE等人提出了Hilbert—Huang变Keywords：waveletpacketsdecomposition；换，用来分析非线性和非平稳信号]。HHT最基Hilbert—Huangtransform；rollingelementbear—本的功能是利用经验模态分解自适应的筛选过程，ing；faultdiagnosis将一个复杂的信号分解为若干固有模态函数(IMF)和余项。固有模态函数需满足2个条件]：整个数据段内

6、，极值点的个数和过零点的个数必须相等或0引言相差最多不能超过一个；在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络机械设备中大部分为旋转性机械，在动力、电线的平均值为零，即上、下包络线相对于时间轴局部力、化工、冶金及机械制造等重要工程领域，都占据对称。着重要的地位，探讨和研究旋转机械的故障诊断技虽然HHT已成为一种分析非线性非平稳信号术显得尤为重要。轴承是旋转机械中使用最为广的较为理想的工具，但和其他信号分析方法一样，也收稿Et期：2013一O8一O1基金项目：国家自然科学基金资助项目(51075379)存在自身的缺陷。首先，通过EMD筛选过程得到·R·《

7、机械与电子}2014(1)基于WPD—HHTIMF分量的过程缺乏严格的理论基础；其次，EMD分解无法区分信号中2个非常接近的频率成分；最后，如果原始信号的频率成分丰富，第1次分解得到的IMF可能包含较宽的频带，从而很难得到单一分／＼／^＼／＼量信号]。HuangNE等人又提出了合奏经验模&2a3&4&53，6写76～84～6l4～1612～148～l0lo～12kHzkHzkHzkHzkHzkHz式分解(EEMD)和修改后的合奏经验模式分解三层小波包分解树样本(MEEMD)方法[6]。然而这些方法都需要