基于eemd的自动平衡机振动信号处理方法
【技术领域】
[0001] 本发明属于自动平衡机振动信号处理相关领域，具体涉及一种基于EEMD(集合经 验模态分解）的自动平衡机振动信号处理方法。
【背景技术】
[0002] 旋转机械遍及生活生产各个领域，在众多机械设备中占比例巨大。但由于设计和 制造的原因导致转子本身的质量分布不均匀，机器在生产组装的过程中产生误差，机器在 运行中对转子产生不同程度的磨损，不同的环境影响等原因，转子在实际旋转中的主惯性 轴和旋转轴线有一定的偏差，这种现象称为转子质量不平衡。不平衡的转子在旋转的过程 中，不平衡质量就产生了不平衡力，不平衡力会使旋转机械产生振动和噪声，长时间下去机 械就会损坏严重。因此及时发现和处理不平衡问题至关重要。
[0003] 对转子进行不平衡测试的技术就是针对于转子在实际的运转中容易产生不平衡 振动的现象产生的，而能够通过测试技术确定不平衡量的大小和位置并对其进行校正的仪 器就是所谓的平衡机。在生产中，工作人员可以通过平衡机时刻监测转子的运转情况，当发 生不平衡振动的情况时，可以根据平衡机测量出的不平衡量及时对转子进行平衡校正。衡 量平衡机测试技术的性能好坏和精确度的标准是：对故障转子校正后不平衡量的减少的比 例，或者校正后整个运转的机器可以达到的最小的剩余不平衡量的多少。本发明主要针对 动平衡机测量系统中振动信号处理方法进行研宄，也就是精确地对不平衡量的大小和位置 进行确定。
[0004] 关于自动平衡机振动信号处理方法的研宄，现有常用的方法主要为频域分析方法 和时频分析方法。频域分析方法主要是利用傅里叶变换的方法。傅里叶变换及其快速算 法（fast Fourier transform, FFT)是信号处理的理论基础，在振动信号包含成分比较简 单的时候应用比较广泛，算法实现简单，运算速度快，也能比较准确地得到信号中的各个频 率分量，但是在傅里叶变换中，采用的是时域截断的方法，其抗干扰能力有所降低，会引起 能量泄露和栅栏现象，影响了提取精度。研宄人员对于傅里叶变换方法的改进主要手段是 给信号加窗，增加窗序列的长度，并合理地选择采样点数和采样频率。时频分析方法能够 同时获得信号在时域和频域上的分布特征。时频分析方法方面，主要有短时傅里叶变换、 分数阶傅里叶变换、Wigner-Ville分布和小波变换等方法。小波变换方法也是在傅里叶 变换的基础上产生的，它能够克服傅里叶变换对复杂信号分析方面存在的不足和缺陷，对 信号进行分解和重构，采用预先设定的小波基函数，对原始信号进行局部特征信息分析，通 过不同尺度对应的带宽将信号进行分解，能够很好的去除干扰噪声。但是在小波变换中， 小波基函数需要根据信号进行调整，如何满足不同信号的分析要求是个关键点，在整个信 号分析过程中选定的小波基是无法改变的，若小波基仅为局部最优，在整体范围内效果并 不一定十分理想。小波基的设定不同，对同一个信号的分析结果差别很大，限制了小波变 换的应用。希尔伯特-黄变换（Hilbert-Huang transform, HHT)方法是在傅立叶变换的 基础上发展起来的线性和稳态谱分析，其处理的过程是先对待处理的信号进行经验模态分 解（Empirical Mode Decomposition, EMD)，然后将分解后的每个本征模态函数（Intrinsic Mode Function, IMF)进行希尔伯特变换，就可以对信号进行时频分析。通过经验模态分解 可以得到想要频率成分的信号，滤除异频噪声的干扰，此方法在机械故障诊断方面运用的 非常多，但是对于振动信号中含有大量脉冲干扰的情况下，经验模态分解过程中容易出现 模态混叠问题。
【发明内容】
[0005] 为解决现有方法存在的以上不足，本发明提供一种基于EEMD的自动平衡机振动 信号处理方法，首先采用数学形态学滤波器对提取到的振动信号进行预处理，消除信号中 存在的脉冲干扰，然后针对经验模态分解中存在的模态混叠问题，采用总体经验模态分解 的方法，提取出不平衡量的频率和相位。
[0006] 本发明的目的是通过以下方案实现的：一种基于EEMD的自动平衡机振动信号处 理方法，包括采用数学形态学滤波器消除不平衡振动信号中的脉冲干扰，并利用经验模态 分解方法提取不平衡量的频率、幅值和相位；其步骤如下：
[0007] 步骤一、利用数学形态学方法对传感器测得的振动信号进行预处理，滤除脉冲干 扰。数学形态学以集合来描述目标信号，通过结构元素在信号内部移动收集信号的信息，对 信号进行匹配，从而达到提取信号、保持细节和抑制噪声的目的。利用数学形态学开闭组合 滤波器对传感器测得的振动信号进行预处理，能够滤除信号中的脉冲干扰。
[0008] 步骤二、利用集合经验模态分解法对经过步骤一数学形态学方法处理后的信号进 行分解，得到信号的本征模态函数aMF)分量：利用集合经验模态分解法结合白噪声均匀 的分布性，通过向经过所述步骤一数学形态学方法处理后的信号添加高斯白噪声，然后对 加噪信号进行多次经验模态分解（EMD)，从而在不同尺度上，消除原信号由于跳变产生的间 断，然后对获得的本征模态函数分量求取平均值，可以去除添加的白噪声，获得输入信号的 本征模态函数组。
[0009] 步骤三、通过希尔伯特变换得到振动信号幅值相位：将经过所述步骤二获得的本 征模态函数组通过希尔伯特变换得到每个本征模态函数（MF)分量的瞬时频率和瞬时幅 值。
[0010] 其中，步骤三通过希尔伯特变换提取振动信号幅值相位的具体步骤如下：
[0011] 对本征模态函数hi(t)做希尔伯特变换，可以得到：
[0013] 从而得到信号x(t)的希尔伯特谱可以表示为：
[0015] 再定义希尔伯特边际谱：
[0017] H(?，t)表示信号的幅值在整个频率段上与时间和频率的分布关系；h(?)反映 了信号的幅值随频率的变化情况。
[0018] 本发明具有以下优点：
[0019] 傅里叶变换是信号处理领域经典的方法之一，在不平衡振动信号提取过程中，主 要利用傅里叶变换的快速算法。但是变换中采取的时域截断方法会产生能量泄漏使得精度 下降，而且，傅里叶变换在整体上将信号分解为不同的频率分量，而没有局域性信息，无法 得知某种频率分量出现、消失在哪些时间内，只适用于分析信号组成分量的频率不随时间 变化的平稳信号。
[0020] 本发明采用数学形态学滤波器对提取到的振动信号进行预处理，消除信号中存在 的脉冲干扰，然后针对经验模态分解中存在的模态混叠问题，采用总体经验模态分解的方 法，提取出不平衡量的频率和相位，该方法测量的精确较高，计算速度快。
【附图说明】
[0021] 图1本发明提出的方法流程图
[0022] 图2经验模态分解（EMD)流程图
[0023] 图3集合经验模态分解（EEMD)流程图
[0024] 图4电机转速为3600r/min时，原始含噪声振动信号幅值谱
[0025] 图5电机转速为3600r/min时，数学形态学去噪后的振动信号幅值谱
[0026] 图6电机转速为3600r/min时，EEMD得到信号的各IMF分量及余项的幅值谱，其 中，图6 (a)为IMF1分量幅值谱，图6 (b)为IMF2分量幅值谱，图6 (c)为IMF3分量幅值谱， 图6 (d)为IMF4分量幅值谱，图6 (e)为IMF5分量幅值谱，图6 (f)为IMF6分量幅值谱，图 6(g)为IMF7分量幅值谱，图6(h)为余项幅值谱
[0027] 图7电机转速为3600r/min时，各MF分量瞬时