基于经验模态分解的故障诊断方法研究

【摘要】：随着现代工业的发展及机械自动化程度提高，一些大型旋转机械设备应用越来越广泛，如何保证这些机械设备安全稳定运行成为一项重要课题，机械设备的故障诊断技术越来越受到重视，它是故障信号处理的关键技术。故障诊断技术一般采用时频分析方法，传统方法(如短时Fourier变换、小波变换等)在处理复杂的故障信号时具有一定的作用，但也存在局限性。信号的平稳性是传统信号处理方法的前提，信号特征只能分别通过时域或者频域反映，而信号的时域和频域的局部化特征和全貌无法同时兼顾,这就限制了传统时频分析方法的发展，它对复杂的信号特别是非平稳、非线性的故障信号不能进行自适应、有效地分析和进一步的处理。发展新的故障诊断技术成为当务之急，以现代信号处理技术为基础的故障分析方法应运而生，其在设备运行状态监测和保障机械安全运行，预防事故等方面具有重要的意义。 本文阐述了几种应用于故障诊断领域的时频分析方法，深入研究了经验模态分解方法，并针对经验模态分解算法存在的问题重点展开讨论，提出了解决这些问题的方法，本文的研究内容如下: (1)对常用的机械故障信号时频分析方法进行了研究，如短时Fourier变换、Wigner-Ville分布、小波变换等，总结这些方法的特点及不足，在此基础上引出Hilbert-Huang变换(HHT)以及其精髓经验模态分解(EMD)，并指出EMD分解算法中有几个问题需要解决,如模态混叠、端点效应、包络线的拟合。 (2)提出一种高频信号辅助法来抑制EMD过程中的模态混叠问题。在筛分之前向信号中加入已知小幅高频的正弦信号，以此改变原始信号的极值分布即改变信号的包络，去“淹没”那些异常事件,使异常事件不再那么明显,从而使信号包络更自然,可以有效抑制模态混叠现象，提高EMD的整体分解效果。与传统的EMD方法对比，改进的方法能有效抑制模态混叠问题。 (3)利用线性外推法来处理信号端点处极值。经验模态分解需通过极值点描述信号上下包络线，但是信号两端边界的极大值和极小值不好估计，包络线就存在着变数，这样经验模态分解过程就会产生边界误差，随着分解进行边界误差会向内传播，从而污染内部数据，导致分解结果不合理。通过分析几种典型的抑制端点效应的方法，把线性外推法引入EMD,以获得观测区间边界极值点，这种方法简单而且可以有效地抑制端点效应。 (4)提出基于非均匀有理B样条曲线的信号包络拟合新方法。该方法通过弦长参数化，得到定义域内的节点矢量，利用信号极大值、极小值点反算得到非均匀B样条曲线的控制多边形，然后利用节点矢量和控制多边形一起构造非均匀B样条曲线，拟合信号包络。采用该方法可以获得精确的瞬时平均值，从而抑制没有意义的信号波动，避免了拟合出现过冲、欠冲以及不完全包络等问题。 (5)利用本文提出的改进的EMD方法，对实验室仿真信号和实际的故障信号分别进行分析，通过以上分析证明了改进EMD方法的有效性。