专利名称：基于多尺度形态学分析的齿轮故障诊断方法
技术领域：
本发明涉及一种齿轮故障诊断方法，特别涉及一种基于多尺度形态学分析 的齿轮故障诊断方法。
背景技术：
齿轮、滚动轴承发生故障时，会产生周期性的脉冲冲击力，从而产生振动 信号的调制现象，频谱上表现为在啮合频率或固有频率两侧出现间隔均匀的调 制边频带，从信号中提取调制信息，分析其强度和频次就可以判断齿轮、滚动 轴承产生故障的部位和损伤程度，这一分析过程称为解调。常用的解调方法有 广义检波滤波解调、希尔伯特变换解调，运用这些解调方法可以分析齿轮、滚动 轴承调制性故障，是故障诊断的重要和有效的分析手段，但是，采用这些解调 方法分析时还存在一定局限性，广义检波滤波由于取绝对值、检波过程或平方 过程都会使载波频率有可能出现高次谐波而产生混频效应，在解调谱上会出现
无法分析的频率成分；希尔伯特解调由于希尔伯特算子不可避免的加窗效应， 使得解调结果出现非瞬时响应特性，即在解调出的调制信号两端及有突变的中 间部位将产生调制，表现为幅值按指数衰减的波动，从而使解调误差增大；
发明内容
为了解决上述技术问题，本发明提供一种基于多尺度形态学分析的齿轮故 障诊断方法。
本发明解决上述技术问题的技术方案包括以下步骤-利用加速度传感器获取齿轮振动加速度信号； 采用EMD分解方法将获得的振动加速度信号分解为多个頂F分量；从分解的IMF分量中选取包含故障主要信号的高频IMF分量，利用选取的IMF 分量重构信号；
对重构信号进行多尺度形态学解调分析；
观察解调结果频谱图是否在故障特征频率或其倍频处存在明显峰值，进而 判断旋转机械是否发生故障。
本发明的技术效果在于1)本发明将旋转机械加速度振动信号经EMD分解 后选取包含故障特征频率的主要IMF分量重构信号，能一定程度的消除噪声对 多尺度形态学操作的影响，且本发明采用多尺度形态学解调方法较传统的解调 方法更为优势，原因为多尺度形态学的结构元素由信号产生，具有一定的适应 性，能更有效地提取信号的冲击特征，提高诊断准确度；2)本发明对故障振动 信号进行多尺度形态学操作，提取故障信号的冲击特征，然后进行频谱分析， 能较好的达到解调的目的。与传统的解调分析比较，由于算法只涉及加减运算， 不需要对信号进行绝对值、希尔伯特算子等运算， 一方面可以减少由于算子运 算产生的混频效应、加窗效应等，另一方面极大降低了算法的复杂度。而且还 不需要对运算结果进行低通滤波，无需预先选择截止频率。
下面结合附图和实施例对本发明作进一步说明。
图l是本发明的流程图。
图2为本发明中内圈故障滚动轴承加速度振动信号时域波形图。 图3为本发明中内圈故障滚动轴承加速度振动信号的多尺度形态学解调结 果图。
图4为本发明中内圈故障滚动轴承加速度振动信号加入方差为2的随机白噪 声后的信号时域波形图。图5为本发明中加噪后内圈故障滚动轴承加速度振动信号的多尺度形态学 解调结果图。
图6为本发明中加噪后内圈故障滚动轴承加速度振动信号的基于EMD的
多尺度形态学解调结果图。
图7为本发明中断齿齿轮加速度振动时域波形图。
图8为本发明中断齿齿轮加速度振动信号的希尔伯特包络谱图。
图9为本发明中断齿齿轮加速度振动信号的基于EMD的多尺度形态学解
调结果图。
具体实施例方式
参见图l，图l是本发明的流程图。下面结合流程图对本发明的步骤作详细 说明。
首先利用加速度探头对旋转机械如滚动轴承、齿轮箱等进行测量获得振动 加速度信号；
采用EMD分解方法将获得的振动加速度信号分解为多个IMF (intrinsic mode function)分量，EMD (empirical mode decomposition,)是经验模式分解；
从分解的IMF分量中选取包含故障主要信号的高频IMF分量(一般选取前三 个IMF分量)，利用选取的IMF分量求和重构信号；
对重构信号进行多尺度形态学解调；其具体过程为
1)设重构得到的信号为Z，采用基于局部极值自适应搜索的方法，得到长 度尺度A,的最大值和最小值分别为 <formula>formula see original document page 6</formula>因此长度尺度444^4nnrH…，4J，其中4为信号Z的极值间隔，高度尺度^定义为
A ={〃[P mi +J'.CP max — P"min)《义/max —义/min)]}
式中7 = 0,1,2... ， /l,max - A min ，其中&min ， & max分别为信号Z极值的最大和最小
值，"是尺度的幅值系数，(0</ <l)，本发明取〃 =1/3;
2) 本发明中采用的结果元素S为三角形结构元素，即^ =
，利用步骤
i自适应搜索得到结构元素尺度义=(义,,^)，计算得到信号x对应的每个;^，
设得到的结构元素为^ = {^,^，...，^}，其中4，/^,…，4分别是由式
A = Rmin，^min +1,按顺序计算得到的结构元素；
3) 用结构元素;i^对重构得到的信号;r进行形态学差值操作(简记为DIF操
作)，即执行D/F^(义)，其中"/i^(X卜4D/尸(义/D，令得到的信号为不W， 再用结构元素/^对x々)进行DIF操作，得到X2(/)，重复上述过程，第"-l次得 到&J)，用;^对、—々)进行DIF操作，得到信号x"(0;
4) 对信号x"(0进行傅立叶分析，并作傅立叶频谱根据傅立叶频谱图判断在旋转机械的故障特征频率处是否存在明显的峰 值，若存在明显峰值，则判断该旋转机械发生故障，否则判断该旋转机械正常。
附图2.为一设置有内圈故障的6311型球滚动轴承加速度振动信号的波形 图，该振动加速度信号由安装在轴承座上的加速度传感器来拾取，实验时设置 轴的转频为25Hz，采样频率为4096Hz，其中内圈故障是通过激光切割在内圈上 开槽来设置的，槽宽为0. 15mm，槽深为0. 13mm。经计算轴承的故障特征频率为 99. 4HZ。
附图3为附图2所示的内圈故障滚动轴承信号的多尺度形态学解调结果图， 图3在故障特征频率及其倍频处都存在明显的峰值，即可判断该滚动轴承发生 内圈故障，从而验证了多尺度形态学解调的有效性。附图4为对附图2所示的滚动轴承加速度振动信号加入了方差为2的随机 白噪声后的时域波形图，而附图5为其多尺度形态学解调结果图，从图5上无 法判断该滚动轴承是否发生了故障，也就是说加入的随机白噪声影响了多尺度 形态学的解调效果。
附图6为附图4所示信号的基于EMD的多尺度形态学解调结果图，从图6
可看出在滚动轴承内圈故障特征频率处存在明显的峰值，可见信号经过EMD分 解，再选取包含故障主要信息的前三个IMF分量进行重构可一定程度的消除噪 声对多尺度形态学解调结果的影响。
附图7为一断齿齿轮加速度振动信号波形图，该断齿齿轮的齿数为37，转 频为6Hz，实验时设置采样频率为1024Hz。
附图8为附图7所示的断齿齿轮的Hilbert包络谱图，从图7上很难判断 该齿轮是否发生故障，但是用基于EMD的多尺度形态学解调方法处理该断齿齿 轮振动加速度信号，解调谱如图9所示，在转频的二倍频处出现了明显的峰值 谱线，这说明了基于EMD的多尺度形态学解调方法较Hilbert包络谱方法具有 更好的解调效果。
权利要求
1、一种基于多尺度形态学分析的齿轮故障诊断方法，包括以下步骤利用加速度传感器获取齿轮振动加速度信号；采用EMD分解方法将获得的振动加速度信号分解为多个IMF分量；从分解的IMF分量中选取包含故障主要信号的高频IMF分量，利用选取的IMF分量重构信号；对重构信号进行多尺度形态学解调分析；观察解调结果频谱图是否在故障特征频率或其倍频处存在明显峰值，进而判断旋转机械是否发生故障。
2、 根据权利要求1所述的基于多尺度形态学分析的齿轮故障诊断方法，所 述用多尺度形态学解调方法对重构得到的信号进行解调分析步骤为.-1) 设重构得到的信号为Z，釆用基于局部极值自适应搜索的方法，得到长 度尺度A,的最大值和最小值分别为-<formula>formula see original document page 2</formula> 长度尺度^WmiA^+V"丄J，其中^为信号Z的极值间隔，高度尺度^定义为<formula>formula see original document page 2</formula>式中= 0,1，2…，/L,腿—A,min ，其中p min ， ;w分别为信号Z极值的最大和最小 值，-是尺度的幅值系数，(0<A<1)，本发明取"=1/3;2) 本发明中采用的结果元素S为三角形结构元素，即^ =
，利用步骤 1自适应搜索得到结构元素尺度^1 =(义,,^)，计算得到信号对应的每个义^，设得到的结构元素为^5 = {^，^,...，1}，其中4,4,...,^分别是由式.-义^H她,Ul,…,U按顺序计算得到的结构元素；3) 用结构元素;i^对重构得到的信号z进行形态学差值操作(简记为DIF操作)，即执行D/i^OO,其中D/i^(JO-4D/F(^7;^)，令得到的信号为x々)， 再用结构元素&对x々)进行DIF操作，得到x^)，重复上述过程，第"-l次得 到W/)，用4对、—刺进行DIF操作，得到信号、(/);4) 对信号、(0进行傅立叶分析，并作傅立叶频谱图。
3、根据权利要求2所述的基于多尺度形态学分析的齿轮故障诊断方法，所 述步骤3)中多尺度形态学操作r为差值(DIF)操作为结构元素S为三角型结构元素，/(")是待处理一维多值信号，定义域为D"0,1,2,…W-1， g(")为一维结构元素序列，定义域为/\=0，1,2，肘-1，其中7V 和M都是整数，且有iV》M， /*^和、/。g分别表示形态学闭、开运算。
全文摘要
本发明公开了一种基于多尺度形态学分析的齿轮故障诊断方法。其步骤为利用加速度传感器获取齿轮振动加速度信号；采用EMD分解方法将获得的振动加速度信号分解为多个IMF分量；从分解的IMF分量中选取包含故障主要信号的高频IMF分量，利用选取的IMF分量重构信号；对重构信号进行多尺度形态学解调分析；观察解调结果频谱图是否在故障特征频率或其倍频处存在明显峰值，进而判断旋转机械是否发生故障。本发明方法可较准确判断该旋转机械是否发生故障。
文档编号G01M13/02GK101644623SQ200910043718
公开日2010年2月10日 申请日期2009年6月19日 优先权日2009年6月19日
发明者于德介, 彭富强, 罗洁思 申请人:湖南大学