基于EMD算法的軸承故障診斷研究

劉　繼

(1.長春工業(yè)大學(xué)　基礎(chǔ)科學(xué)學(xué)院，吉林　長春　130000；2.長春理工大學(xué)　光電信息學(xué)院，吉林　長春　130000)

?

基于EMD算法的軸承故障診斷研究

劉繼1,2

(1.長春工業(yè)大學(xué)基礎(chǔ)科學(xué)學(xué)院，吉林長春130000；2.長春理工大學(xué)光電信息學(xué)院，吉林長春130000)

[摘要]文章將小波包與EMD算法結(jié)合進(jìn)行軸承故障診斷研究。該方法能夠突出表現(xiàn)軸承在故障狀態(tài)下的振動信號產(chǎn)生的數(shù)據(jù)特征并將其有效地提取出來，克服了快速傅立葉變換的局限性。并采用該方法分別對實(shí)驗(yàn)所得的軸承滾動體故障信號進(jìn)行處理，提取故障特征，取得了良好的效果。此方法可以較好地解決滾動軸承故障診斷問題，更加有效和準(zhǔn)確。

[關(guān)鍵詞]EMD；小波包；故障診斷

[DOI]10.13939/j.cnki.zgsc.2016.02.063

1引言

機(jī)械故障診斷是通過研究故障與征兆(特征向量)之間的關(guān)系來判斷設(shè)備故障的。滾動軸承的運(yùn)行狀態(tài)對制造裝備的精度、可靠性及使用壽命往往有直接影響，其缺陷一般會導(dǎo)致制造裝備產(chǎn)生異常振動和噪聲，嚴(yán)重時(shí)甚至?xí)苯訐p壞設(shè)備。目前，為保障制造裝備的安全高效運(yùn)行，對制造裝備的滾動軸承等旋轉(zhuǎn)部件實(shí)施狀態(tài)監(jiān)測與故障診斷，已經(jīng)成為現(xiàn)代化制造企業(yè)的企業(yè)資產(chǎn)管理和視情維修的一項(xiàng)重要內(nèi)容。[1]-[3]

隨著經(jīng)濟(jì)建設(shè)的發(fā)展和電氣化程度的提高，電機(jī)設(shè)備已被廣泛應(yīng)用于工業(yè)生產(chǎn)的各個領(lǐng)域，異步電動機(jī)尤其是鼠籠式異步電動機(jī)以其結(jié)構(gòu)簡單、制造成本低廉、可靠性高、使用壽命長、維修方便等特點(diǎn)廣泛應(yīng)用于工農(nóng)業(yè)生產(chǎn)中的風(fēng)機(jī)、泵類、傳動系統(tǒng)等設(shè)備的驅(qū)動上，在生產(chǎn)、生活等領(lǐng)域中占有極其重要的地位。電機(jī)的正常工作對保證生產(chǎn)制造過程中的安全、高效、敏捷、優(yōu)質(zhì)及低耗運(yùn)行意義非常重大。電機(jī)的故障和停止運(yùn)行，不僅會損壞電機(jī)本身，而且會影響整個生產(chǎn)系統(tǒng)的正常工作，甚至?xí)＜叭松戆踩斐删薮蟮慕?jīng)濟(jì)損失和惡劣的社會影響，因此對電機(jī)故障的診斷要求十分迫切。目前，對生產(chǎn)設(shè)備的維護(hù)主要是進(jìn)行定期維護(hù)和故障后維修，這種傳統(tǒng)的維修模式容易造成維修過量和維修不足，從而導(dǎo)致維修成本增加，降低設(shè)備使用壽命，嚴(yán)重時(shí)將導(dǎo)致發(fā)生嚴(yán)重的停機(jī)或損壞事故，因此需要對設(shè)備進(jìn)行有效的在線監(jiān)測和故障診斷。通過對電機(jī)常見故障的診斷和分析，可以及早發(fā)現(xiàn)故障和預(yù)防故障的進(jìn)一步惡化，減少突發(fā)事故造成的停產(chǎn)損失，防止對人員和設(shè)備安全的威脅，并為實(shí)現(xiàn)狀態(tài)檢修創(chuàng)造條件。為了將因電動機(jī)故障造成的損失降低到最小的程度，人們迫切希望能對電動機(jī)的早期故障進(jìn)行檢測，這對于人們及早發(fā)現(xiàn)故障，預(yù)防故障的進(jìn)一步惡化，及時(shí)進(jìn)行故障定位、決策和維修，都是十分重要的。[4]-[5]

2EMD方法

經(jīng)驗(yàn)?zāi)Ｊ椒纸馐敲绹鴮W(xué)者Norden E.Huang提出的一種自適應(yīng)的信號分析方法。基于EMD的時(shí)頻分析方法的最大特色是通過信號的EMD分解，使非平穩(wěn)信號平穩(wěn)化，從而使瞬時(shí)頻率有意義，更加直觀。

IMF函數(shù)的獲得方法如下：

(1)找出信號x(t)的局部極值點(diǎn)。

(2)把所有的局部極大值用三次樣條光滑地連接起來,得到上包絡(luò)線e+(t)，同樣地，可以得到下包絡(luò)線e-(t)，可由式(1)計(jì)算局部均值m(t):

m(t)=(e+(t)+e-(t))/2

(1)

(3)求出差值函數(shù)Zi(t)：

Zi(t)=x(t)-m(t)

(2)

檢查 Zi(t)是否滿足IMF條件,若不是,把Zi(t)當(dāng)作新的待處理量,重復(fù)做以上步驟,如果滿足條件,那么Zi(t)就是第一個IMF,另記作y1(t)。

(4)將y1(t)從x(t)中分離出來,即得到一個去掉高頻分量的差值信號x1(t),即有x1(t)=x2(t)-y1(t)，將x1(t)視為新的x(t),同樣地, 可以得到x2(t)和y2(t)，重復(fù)整個過程,至此,信號x(t)已被分解成n項(xiàng)基本模式分量yi(t) 和一個余項(xiàng)rn(t),即

(3)

因此,EMD方法可以把任何一個信號x(t)分解成k 個基本模態(tài)分量和一個冗余量之和,y1(t),y2(t), …, yk(t)分別包含了信號從高到低不同頻率段的成分,每一個頻率段所包含的頻率成分都是不同的,而且不是等帶寬的,隨信號本身的變化而變化。因此EMD方法是一個自適應(yīng)的信號分解方法。

基本模式分量的兩個限定條件只是一種理論上的要求,在實(shí)際的篩選過程中,很難保證信號的局部均值絕對為零。如果完全按照上述兩個限定條件判斷分離出的分量是否為基本模式分量,很可能需要過多的重復(fù)篩選,從而導(dǎo)致基本模式分量變成具有恒定幅度的純粹的頻率調(diào)制信號。為了保證基本模式分量保存足夠的反映物理實(shí)際的幅度與頻率調(diào)制,我們必須確定一個篩選過程的停止準(zhǔn)則。篩選過程的停止準(zhǔn)則可以通過限制兩個連續(xù)的處理結(jié)果之間的標(biāo)準(zhǔn)差Sd的大小來實(shí)現(xiàn),一般取0.2～0.3時(shí)篩選結(jié)束。

3基于EMD 的滾動軸承故障診斷

若將小波包的消噪作用與EMD的局部故障(下轉(zhuǎn)P69)