基于解析模态分解的旋转机械故障诊断方法
【技术领域】
[0001] 本发明涉及机械故障诊断技术领域，特别是一种基于解析模态分解的旋转机械故 障诊断方法。
【背景技术】
[0002] 旋转机械设备在工业生产中占有非常重要的地位，广泛应用于航空、化工、冶金等 各个重要部门，它的好坏直接影响整台机械设备的性能，其缺陷会导致设备产生异常振动， 甚至造成设备破坏。保障旋转机械的安全运行、避免事故的发生是非常重要的，因此，对旋 转机械的故障诊断具有重要现实意义。
[0003] Chen and Wang于2012年提出了一种新的信号分解方法，称为解析模态分解法 (Analytical Mode Decomposition，AMD)。其实质是把一个一般的时间序列由一个二分频 率精确地分离成两个时间函数，该方法具有以下几个优势：（1)能够分解有紧密间隔频率 成分的信号；（2)能够从大的波动中分离出小的间歇性波动；（3)能够区分在窄带信号中的 各种成分。然而该方法需要知道信号里的各个频率成分来确定二分频率值。
[0004] 对于一些旋转机械，如滚动轴承，其不同部位的故障特征频率是可以预知的，因此 可以利用解析模态分解法提取故障特征频率所在频段的信号并求其频谱，来判断旋转机械 是否存在故障以及故障的类型。
【发明内容】
[0005] 本发明所要解决的技术问题是提供一种处理时间短、故障诊断精确快捷的基于解 析模态分解的旋转机械故障诊断方法。
[0006] 本发明所述方法包括以下步骤：
[0007] (1)首先在待测的旋转机械上安装加速度传感器和信号传输线，采集旋转机械在 工作状态时的振动信号，并将获得的振动信号传输到计算机中；
[0008] (2)若获取的旋转机械振动信号中所有可能存在的故障频率为f\，f2, f3. . . fn，对 原振动信号进行解析模态分解，提取出各个故障特征频率所在频段的信号；
[0009] (3)对解析模态分解后的分量进行傅里叶变换，求出所有提取出的分量信号的频 谱，通过与预先存储在计算机中的旋转机械的故障特征频率进行比较，判断提取出的分量 信号的频谱中是否有故障特征频率成分；
[0010] (4)将信号频谱中有故障特征频率的保留，将频谱中不含故障特征频率的去除；
[0011] (5)经解析模态分解法提取出的各个信号中含有的故障特征频率为 f\，f2, f3... fm，根据所含频率成分判断旋转机械是否存在故障以及发生故障的部位。
[0012] 进一步的，所述步骤（2)中的各个故障特征频率是可以计算出来的，因此可以利 用解析模态法（AMD)提取出各个故障特征频率所在频段的信号。解析模态分解的过程如 下：
[0013] a、一个时间序列可以分解成任意两个信号的和的形式：片0 = \(〇 + 5(0，
[0014] 式中，x(t)表示任意时间序列；S1 (t)和邱)表示任意两个信号；
[0015] 两个信号的频率范围分别为I ω I < c〇b、I ω I > c〇b;
[0016] 式中，〇,是一个任意正值，被称为二分频率；ω代表频率；
[0017] b、令 sc(t) = cos(〇bt)，ss(t) = sin(〇bt)，sk(t)x(t)的希尔伯特变换为：
[0018] /-/[s, (i)..v(r)] = //[.Vi (0.v,(i)]+ w[.v, (?).ν； (0] = λ,(?)//[.ν,, (f)]+ s. (〇w[.v, (t)];
[0019] c、当k分别取c和s，且sjt)和ss(t)的希尔伯特变换可以表示为：
[0020] H[sc(t)] = sin(t〇bt)和 H[ss(t)] = _cos(t〇bt)
[0021] 可解得 sjt) = sin(〇bt)H[x(t)cos(0bt)]-cos(〇bt)H[x(t)sin(0 bt)]
[0022] 贝丨J明) = x(i)-A(i) 〇
[0023] 因此，只要知道了 AMD分解的二分频率值，我们就可以将不同频率成分的信号分 离。
[0024] 其中，解析模态分解法提取故障频率所在频段的信号的原理如下：
[0025] 假设有一旋转机械振动信号：a(t) = x(t)+R(t)，令x(t)= xJO+xJt)+. . . +XiU)+. . . +xn(t)，其频率分别为 A, f2, . . . A, . . .，fn，表示旋转机械所有 可能存在的故障特征频率，且4<￡2<...^<...<€ 11。如果要提取故障特征频率4所 在频段的信号，只需取4和f 2之间的值作为二分频率分解即可；如果要提取故障特征频率 4所在频段的信号，取f 2和f 3之间的值作为二分频率分解出的前半部分再减去取f :和f 2 之间的值作为二分频率分解出的前半部分即可；如果要提取故障特征频率fi所在频段的信 号，取fH和f之间的值作为二分频率分解出的前半部分再减去取f和f i+1之间的值作为 二分频率分解出的前半部分即可；如果要提取故障特征频率4所在频段的信号，只需取f n_i 和fn之间的值作为二分频率分解即可，其原理图如图2所示。
[0026] 进一步的，所述步骤（3)中，振动信号经过解析模态分解为多个分量，通过傅里叶 变换求出各个分量的频谱，根据频谱可以确定各个分量中所含的频率成分。由于各种故障 频率是可以理论计算出来的，因此，通过频谱中频率成分与故障频率理论值的比较，判断频 谱中是否含有故障频率。
[0027] 进一步的，所述步骤（4)中因为是对旋转机械中所有可能存在的故障进行解析模 态分解，所以某些故障可能是不存在的，保留的是与预知的故障特征频率相符合的频率成 分，并去除不含故障频率成分的分量。
[0028] 进一步的，所述步骤（5)中的f\，f2, f3. .. 4是解析模态分解法提取的各个信号中 含有的且与预知的故障特征频率相符频率成分，根据与预知的故障特征频率的分析比较来 判断故障类型及故障部位。
[0029] 本发明的优点是：和EMD方法相比，本发明方法处理后的故障信号频谱中的频率 成分更单一，且故障频率的幅度也有所增加。在处理过程中，略去了对其它不相关频率成分 信号的分析处理，缩短了处理时间。
【附图说明】
[0030] 图1是本发明所述基于解析模态分解的旋转机械故障诊断方法的流程图；
[0031] 图2是解析模态分解法提取故障频率所在频段的信号的原理图；
[0032] 图3是轴承内圈故障信号时域波形图。
[0033] 图4是故障信号EMD分解结果图；
[0034] 图5是imf分量的频谱图；
[0035] 图6是解析模态分解法提取出的各故障频率所在频段信号的时域图；
[0036] 图7是解析模态分解法提取出的各故障频率所在频段信号的频域图。
【具体实施方式】
[0037] 下面结合附图对本发明作进一步详细的说明。
[0038] 本发明实施例的一种基于解析模态分解的旋转机械故障诊断方法步骤流程图如 图1所示，包括以下步骤：
[0039] (1)首先在待测的旋转机械上安装加速度传感器和信号传输线，采集旋转机械在 工作状态时的振动信号，并将获得的振动信号传输到计算机中；
[0040] (2)若获取的旋转机械振动信号中所有可能存在的故障频率为f\，f2, f3. . . fn，对 原振动信号进行解析模态分解，提取出各个故障特征频率所在频段的信号。解析模态分解 的过程如下：
[0041] a、一个时间序列可以分解成任意两个信号的和的形式：4〇 = \(〇 +巧(〇，
[0042] 式中，x(t)表示任意时间序列；S1⑴和砂)表示任意两个信号（就是指将一个信