基于CEEMDAN能量熵和马氏距离的齿轮箱轴承故障诊断方法

发布时间：2020-12-01 18:12

　　针对齿轮箱轴承信号非平稳性及其故障特征难以提取的问题,提出一种自适应白噪声平均总体经验模态分解(CEEMDAN)能量熵和马氏距离相结合的故障诊断方法。首先采用CEEMDAN方法对非平稳的轴承故障信号进行分解,获得若干阶表征信号特性的固有模态函数(IMF)分量;然后计算各IMF分量的自相关函数和相关系数,以滤除信号内的噪声干扰和对故障特征不敏感的IMF分量;最后计算各敏感故障特征分量的能量熵,将其作为特征参数形成状态特征向量,并使用马氏距离判别方法对轴承的工作状态和故障类型进行诊断。通过对实测不同工况以及不同故障程度的齿轮箱轴承信号的分析,证明了所提方法的有效性。 

【文章来源】：机床与液压. 2020年16期 第218-223页 北大核心

【文章页数】：6 页

【部分图文】：

不同状态下齿轮箱轴承时域信号

由图2可知:由于算法欠稳定性,EMD在分解过程中出现了模态混叠现象,其中低频分量更为明显;EEMD方法在一定程度上抑制了模态混叠问题的产生,但由于参数设置的影响,使其无法完全消除向信号内所添加的白噪声,导致分解结果中产生了多个虚假模态分量。而CEEMDAN方法是依据信号特性向其中自适应地添加独立同分布的噪声,并在总体平均的计算中彼此抵消,以降低噪声成分对于分解结果的影响。相较于EMD和EEMD的分解结果,该方法的分解准确性更高,信号分解时产生的模态混叠问题得到有效抑制,各IMF分量更加有效地表征了原信号的不同频率成分。表1列出了不同分解方法在对外圈故障信号分解时所需的迭代次数。可知:虽然EMD方法所用迭代次数最少,但该方法存在严重的模态混叠问题,难以实现信号的有效分解;EEMD和CEEMDAN的总体迭代次数分别为17 800和12 635,CEEDMAN方法的总体迭代次数比EEMD方法降低了39%。由此可知,CEEMDAN方法具有更高的计算效率。

为选取可有效表征信号状态特性的IMF分量,降低噪声和虚假成分对于轴承信号能量特征提取准确性的影响,采用敏感IMF分量选择算法,分别计算CEEMDAN方法分解出各IMF分量的相关系数和自相关函数,结果如图3所示。由图3(a)可知:IMF1～IMF6与原信号的相关系数较大,说明IMF1～IMF6对轴承故障信息较为敏感,结合图3(b)及信号的自相关函数特性可知,IMF2为高频噪声成分,将其剔除。基于上述分析,IMF1、IMF3～IMF6分量中包含丰富的故障特征信息,将其作为数据源,可提高信号特征提取的准确性。

【参考文献】：
期刊论文
[1]基于小波包熵和马氏距离的级联式变频器故障诊断[J]. 王锐,王新.  自动化仪表. 2017(12)
[2]基于改进HHT和马氏距离的齿轮故障诊断[J]. 周小龙,刘薇娜,姜振海,马风雷.  振动与冲击. 2017(22)
[3]EMD自相关阈值去噪法在水电机组振动信号中的研究[J]. 徐艳春,方绍晨.  中国农村水利水电. 2017(07)
[4]基于LMD的包络谱特征值在滚动轴承故障诊断中的应用[J]. 杨宇,王欢欢,程军圣,邹宪军.  航空动力学报. 2012(05)
[5]希尔伯特-黄变换方法的改进[J]. 徐斌,徐德城,朱卫平,刘冰野.  西北工业大学学报. 2011(02)
[6]独立分量分析在齿轮箱轴承故障诊断中的应用[J]. 唐力伟,田广,张彦,田昊.  轴承. 2010(09)
[7]基于经验模式分解和最小二乘支持矢量机的滚动轴承故障诊断[J]. 王太勇,何慧龙,王国锋,冷永刚,胥永刚,李强.  机械工程学报. 2007(04)



本文编号：2894968