基于小波降噪与HHT方法的齿轮故障诊断方法

发布时间：2020-04-06 14:40

【摘要】： 希尔伯特黄变换(HHT)是一种新的信号分析、处理方法,非常适合处理非线性、非平稳信号,能得到非平稳信号的时频分布。因此,该方法一经提出,便成为众多学科共同关注的热点,迅速在各个领域得到了广泛的应用。本文将HHT方法应用到常见信号的分析中,发现EMD分解方法是自适应的,不需要预先确定基函数,但EMD分解方法受噪声干扰的影响很大,噪声使EMD分解的精度大大降低,得不到清晰的希尔伯特谱。通过小波降噪预处理,充分发挥了EMD自适应分解的能力,提高了EMD分解的精度,从而得到清晰的希尔伯特谱。作者在武汉科技大学齿轮故障实验台上采集了多种故障类型的齿轮振动信号,并对齿轮在正常、断齿、磨损、周节误差四种模式下的振动信号加以分析,基于小波降噪与HHT方法提取齿轮故障特征,找出了各种齿轮故障的希尔伯特谱特征,并用功率谱分析方法证实了希尔伯特谱分析结果的准确性。在此基础上,以各种典型齿轮故障的希尔伯特谱为标准谱来对齿轮故障进行诊断,取得了良好的效果。基于小波降噪与HHT方法的齿轮故障诊断方法,一方面为齿轮故障诊断技术提供了又一个有力的诊断工具,也为机械故障诊断提供了一种新的时频分析方法,因为希尔伯特黄变换只需要很短的时间序列就能给出振动信号清晰的时频谱,从而对齿轮故障准确进行诊断。另外,经验模态分解是自适应的,不需要先验底基,分解是依据信号的局部时间尺度进行,这是其余的振动信号分析方法所不能比拟的,这些优势决定了希尔伯特黄变换方法在机械故障诊断中有广泛的应用前景。
【图文】：

合成信号,正弦波,固有模态

2.2 常见信号的经验模态分析结果2.2.1 正弦波合成信号如图2.1所示正弦波叠加信号： s (t )= sin(8πt )+sin(16πt)+sin(32πt)(2.5)图 2.1 正弦波合成信号图 2.2 各阶固有模态函数三种正弦波的频率分别为 4Hz、8Hz、16Hz，幅值均为 1。经 EMD 分解得到的固有模态函数如图 2.2 所示。可以得知经验模态分解方法已经准确无误地将各种频率的正弦信号分解出来，固有模态函数保持了原正弦信号的幅值和频率，而且随阶数的增加固有模态函数的频率越来越低。这说明：

固有模态,函数

当nr 成为一个单调函数不能再从中提取满足IMF条件的分量时,循环结束.这样由式(和(2.3)得到∑==+njjnxtcr1( )(2.4EMD 方法基于信号的局部特征时间尺度, 能把任何一个复杂的信号 x (t)分解为 n固有模态函数和一个残余量nr 之和,其中,分量1c ,2c ,… ,nc 分别包含了信号从高到低不频率段的成分,每一频率段所包含的频率成分是不同的,而且是随信号 x (t)变化而变化的nr 则表示了信号 x (t)的中心趋势[3]。2.2 常见信号的经验模态分析结果2.2.1 正弦波合成信号如图2.1所示正弦波叠加信号： s (t )= sin(8πt )+sin(16πt)+sin(32πt)(2.5)
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH132.41;TH165.3

【引证文献】