专利名称：基于微分局部均值分解的旋转机械故障诊断方法
技术领域：
本发明属于一种机械工程领域的旋转机械故障诊断方法。具体地说是关于一种基于微分局部均值分解的旋转机械故障诊断方法。
背景技术：
随着科技的进步，工业化进程的发展，旋转机械在社会生产和运行中占得比重越来越大，旋转机械一旦出现了故障，将直接影响生产的进程，会带来巨大的经济损失，所以旋转机械故障的诊断在科学研究中受到了重视。旋转机械故障的诊断往往是通过分析其振动信号来判断其运行状态，而其振动信号为非平稳、非线性信号，时频分析的方法能够有效的处理和分析这种非平稳非线性信号，所以得到了广泛的应用。目前应用较多的时频分析方法有:小波变换、Wigner-Ville分布、EMD分解等方法。但这几种方法都有各自的不足之处，小波变换对时频面进行的是一种机械的格型分解，这种分解不具备自适应性。Wigner-Ville分布由于是二次型时频表示,对于多分量信号存在交叉项干扰。EMD分解是一种自适应的信号处理方法，尤其适合处理非平稳、非线性信号，目前其用于旋转机械故障诊断的研究比较多，但是其也存在模态混淆、端点效应、迭代次数多等缺点。局部均值分解(LMD)是近年来新出现的时频分析方法。该方法的特点是可以获得信号在任何时刻的时频分布及有物理意义的瞬时频率，为机械设备故障诊断提供一种新的故障特征提取方法。但LMD分解后所得的故障频率结果往往存在虚假频率的问题，这会影响故障的诊断结果。
发明内容
本发明克服了现有技术中的不足，提供一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法。为了解决上述存在的技术问题，本发明是在LMD基础上提出一种改进的信号处理算法，克服传统的LMD方法在旋转机械故障诊断中的不足。它是在LMD基础上提出的一种改进的信号处理算法一微分局部均值分解(DLMD)，这种方法在LMD的基础上，融入的微分和积分的运算过程，最终可以把一个复杂的非平稳、非线性信号分解成多个PF分量和残余分量之和。为了实现上述目的，本发明的技术方案是:一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，其内容包括如下步骤:(一 )采用加速度传感器测试旋转机械设备，采集获得其振动信号；( 二)对获得的加速度振动信号，进行DLMD分解，得到若干PF分量和残余分量；(三)求出各PF分量的瞬时频率和瞬时幅值，提取故障特征。上述的基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，在步骤(二)中，所述的对加速度振动信号进行DLMD分解的过程，其内容包括以下步骤:
I)对原始加速度振动信号Xtl (t)进行k阶微分，得到x(k) (t)；
2)求局部均值函数mn⑴，找出x(k)(t)所有的局部极值点叫，求出所有相邻的局部极值点的平均值IV用直线把所有相邻的平均值点Hli连接起来，然后再用滑动平均法对它进行平滑处理，可以得到局部均值函数Hl11 (t);3)求包络估计函数an(t)，计算相邻两个包络估计值ai;用直线把所有相邻两个包络估计值％连接起来，然后采用滑动平均方法对它进行平滑处理，可以得到包络估计函数 an(t)；4)从信号x(k)(t)中分离出局部均值函数mn⑴，得到hn(t)；5)用hn(t)除以包络估计函数an(t)，对hn(t)进行解调，可得S11⑴，6)同样对S11⑴也重复上述步骤2) 5)，直到sln(t)成为一个纯调频信号，即sln(t)的包络估计函数a1(n+1) (t)=l ；7)把迭代过程中产生的所有包络估计函数相乘便可以得到包络信号(瞬时幅值函数)ajt)；8)把纯调频信号sln(t)乘以包络信号ajt)，便可以得到信号x(k) (t)的第一个PF分量PF1⑴；9)将第一个PF分量PF1⑴从信号x(k)(t)中分离出来，得到一个新的信号Ul(t)，将 111(0作为原始数据重复以上步骤2)-8)，循环r次，直到(t)为一个单调函数为止。分解得到m个PF分量，把各个PF分量记为:PFp{t)J = IX--,m ■,10)对各个PF分量进行一次积分，得到ef；11)对n(0进行上述步骤2) 8) —阶分解，得到
PKk ni/)(./ = U,…，/〃).为原始信号微分(k-Ι)次后信号的m个PF分量，并得到残余分量12)重复步骤10)、11)直至积分k次获得原始信号xQ(t) DLMD分解的各阶PF分量和残余分量。本发明在LMD算法基础上，采用了微分局部均值分解(DLMD)方法，对由加速度传感器采集得到的振动信号进行分解，其中包括微分、LMD分解、积分这三种关键运算过程。最终可以把一个复杂的非平稳、非线性信号分解成多个PF分量和残余分量之和，其中每一个PF分量都是由一个纯调频信号乘以一个包络信号得到的，包络信号是该PF分量的瞬时幅值，而由纯调频信号可以直接求出PF分量的瞬时频率，在求出所有PF分量的瞬时幅值和瞬时频率以后，再进一步通过组合，原始信号完整的时频分布便可以获得了。再通过获得的各个PF分量的瞬时频率和瞬时频率，绘制相应的时频谱图，及包络频谱图，分析时频信息，能够抑制传统的局部均值分解过程中的虚假干扰频率，有效的判断出振动传感器测得的信号中包含的的旋转机械运行状态特征。由于采用上述技术方案，本发明提供的一种基于微分局部均值分解的旋转机械故障诊断方法，与现有技术相比具有这样的有益效果:本发明首先对采 集到的信号进行k阶微分，然后对微分后的信号进行局部均值分解，对分解后的各个PF分量循环进行一次积分和一阶局部均值分解，直至循环k次得到m个PF分量和残余分量，基于微分局部均值分解的结果提取故障特征，能够有效抑制传统的局部均值分解过程中的虚假干扰频率，实现旋转机械故障诊断。这种方法克服上述方法在机械故障诊断中的不足，能够有效的抑制分解结果产生的虚假干扰频率，更好的应用于机械故障的诊断。如能提供采用本发明方法进行诊断的正确率，则更有说服力。
图1是本发明的DLMD算法流程图；图2是本发明实施例内圈故障时域波形图；图3是本发明实施例LMD分解图； 图4是本发明实施例LMD分解PF1包络频谱图；图5是本发明实施例LMD分解PF2包络频谱图；图6是本发明实施例DLMD分解图；图7是本发明实施例DLMD分解PF1包络频谱图；图8是本发明实施例DLMD分解PF2包络频谱图。`
具体实施例方式下面结合附图及具体实施方式
对本发明作进一步的详细说明。旋转机械故障诊断过程中，首先采用加速度传感器对机械设备进行测量，获得振动加速度信号Xtl (t)，再对振动加速度信号进行DLMD分解，提取特征值。本发明利用DLMD的方法对振动加速度信号进行分解。下面对基于微分局部均值分解(DLMD)的旋转机械故障诊断方法的原理进行详细说明。具体步骤如下:(一 )采用加速度传感器测试旋转机械设备，采集获得其振动信号；( 二)对获得的加速度振动信号，进行DLMD分解，最终得到若干PF分量和残余分量。包括以下步骤:(I)对原始加速度振动信号Xtl (t)进行k阶微分，得到x(k) (t)。(2)找出微分后得到的信号x(k) (t)所有的局部极值点Iii,求出所有相邻的局部极值点的平均值:
权利要求
1.一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，其特征在于:其内容包括如下步骤: (一)采用加速度传感器测试旋转机械设备，采集获得其振动信号； (二)对获得的加速度振动信号，进行DLMD分解，得到若干PF分量和残余分量； (三)求出各PF分量的瞬时频率和瞬时幅值，提取故障特征。
2.根据权利要求1所述的一种基于微分的局部均值分解(DLMD)的旋转机械诊断方法，其特征在于:在步骤(二)中，所述的对加速度振动信号进行微分的局部均值分解(DLMD)过程，其内容包括如下步骤: 1)对原始加速度振动信号Xtl⑴进行k阶微分，得到x(k)(t)； 2)求局部均值函数mn(t)，找出x(k)(t)所有的局部极值点Ili,求出所有相邻的局部极值点的平均值％，用直线把所有相邻的平均值点Hii连接起来，然后再用滑动平均法对它进行平滑处理，可以得到局部均值函数mn (t)； 3)求包络估计函数an(t)，计算相邻两个包络估计值ai;用直线把所有相邻两个包络估计值％连接起来，然后采用滑动平均方法对它进行平滑处理，可以得到包络估计函数 ( ) 4)从原始信号X(k)(t)中分离出局部均值函数Hl11(t)，得到hn(t); 5)用hn(t)除以包络估计函数an(t)，对hn(t)进行解调，可得sn(t)； 6)同样对S11(t)也重复上述步骤2)-5)，直到Sln(t)成为一个纯调频信号，即Sln (t)的包络估计函数a1(n+1) (t)=l ； 7)把迭代过程中产生的所有包络估计函数相乘便可以得到包络信号(瞬时幅值函数)a!(t)； 8)把纯调频信号sln(t)乘以包络信号ajt)，便可以得到信号x(k)(t)的第一个PF分量PF1(t)； 9)将第一个PF分量PF1(t)从信号x(k)(t)中分离出来，得到一个新的信号Ul(t)，将U1 (t)作为原始数据重复以上步骤2)-8)，循环r次，直到(t)为一个单调函数为止；分解得到m个PF分量，把各个PF分量记为:
全文摘要
本发明公开了一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，其内容包括如下步骤采用加速度传感器测试旋转机械设备，采集获得其振动信号；对获得的加速度振动信号，进行DLMD分解，得到若干PF分量和残余分量；求出各PF分量的瞬时频率和瞬时幅值，提取故障特征。本发明方法首先对采集到的信号进行k阶微分，然后对微分后的信号进行局部均值分解，对分解后的各个PF分量循环进行一次积分和一阶局部均值分解，直至循环k次得到m个PF分量和残余分量，基于微分局部均值分解的结果提取故障特征，能够有效抑制传统的局部均值分解过程中的虚假干扰频率，实现旋转机械故障诊断。
文档编号G01M99/00GK103245518SQ20131010641
公开日2013年8月14日 申请日期2013年3月29日 优先权日2013年3月29日
发明者孟宗, 王亚超, 樊凤杰 申请人:燕山大学