柴油机多元信号自适应分解方法比较

发布时间：2022-01-15 14:38

　　针对单一信号通道反映故障信息不全面、不准确的问题,提出利用多元变分模态分解（MVMD）处理多通道信号提取故障特征,实现故障诊断。首先通过构建多分量调制仿真信号,分析比较MEMD、NAMEMD和MVMD的分解效果,然后利用MVMD对柴油机4个通道振动信号进行自适应分解,提取每层分量的能量分布作为故障特征,最后利用支持向量机对不同失火故障进行了识别。结果表明,MVMD在抑制模态混叠和分解效率上均优于其他两种算法,且能够有效识别柴油机不同类型失火故障。 

【文章来源】：车用发动机. 2020,(06)北大核心

【文章页数】：7 页

【部分图文】：

仿真信号时频域波形

从图2至图4的频域波形可以看出,MEMD、NAMEMD、MVMD均能对多元仿真信号进行自适应分解,得到能够反映特征频率的IMF分量,且不同信道的同一频率成分在同阶IMF中体现,即模式对齐。在MEMD分解得到的特征IMF组中,模态混叠现象较为严重,且边频带幅值较大,有明显的噪声成分。特征频率f3同时出现在第4、5阶特征IMF组中,特征频率f5同时出现在第5、6阶特征IMF组中,调幅信号x1、调频信号x2的边频带明显,且影响到谐波信号x3,在IMF6中出现35 Hz(f5-f1)频率成分。在NAMEMD分解得到的特征IMF组中,因添加了2个信道的噪声同时参与分解,噪声成分有所改善,削弱了分解过程中的模态混叠现象,特征频率较MEMD相对突出,但没有完全克服MEMD的不足。在MVMD分解得到的特征IMF组中,前3阶IMF组分别体现了x3、x2、x1的频率成分,特征频率的幅值更为清晰明显,克服了模态混叠现象,仅存在部分幅值较小的边频带成分,噪声信号基本消失。MEMD和NAMEMD在分解过程中均存在不同程度的模态混叠,导致特征频率并不明显,进而影响柴油机的故障识别,MVMD能够有效地克服上述情况,准确提取特征频率,实现故障诊断。目前故障诊断向着在线化、实时化的趋势发展,对比三种算法的计算时间得出,MVMD的计算时间更短,计算效率更高,能够实现在线诊断、实时监测,有效地提高诊断效率,也为实现柴油机早期故障及时预警提供技术支撑。图3 NAMEMD分解后第4～6阶IMF组时频域波形

NAMEMD分解后第4～6阶IMF组时频域波形

【参考文献】：
期刊论文
[1]基于小波包特征提取和模糊熵特征选择的柴油机故障分析[J]. 蒋佳炜,胡以怀,柯赟,陈彦臻.  振动与冲击. 2020(04)
[2]基于MEMD-MMFE的双馈风电场送出变压器励磁涌流识别方法[J]. 李春艳,周念成,廖建权,王强钢,孟潇潇.  中国电机工程学报. 2019(17)
[3]随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断[J]. 张康,陶建峰,覃程锦,李卫星,刘成良.  西安交通大学学报. 2019(08)
[4]柴油机振动信号快速稀疏分解与二维特征编码[J]. 王旭,岳应娟,蔡艳平.  振动.测试与诊断. 2019(01)
[5]柴油机振动信号自适应分解方法的比较[J]. 贾继德,任刚,贾翔宇,韩佳佳.  汽车工程. 2018(10)
[6]一种适用于发动机振动信号的时频分析方法[J]. 贾继德,吴春志,贾翔宇,任刚,韩佳佳.  汽车工程. 2017(01)
[7]基于MEMD和ELM的飞机机翼健康状态预测技术[J]. 崔建国,徐舲宇,于明月,蒋丽英,王景霖,林泽力.  北京航空航天大学学报. 2017(08)
[8]基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法[J]. 武哲,杨绍普,任彬,马新娜,张建超.  振动与冲击. 2016(04)



本文编号：3590791