一種基于eemd和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法
【專利摘要】本發(fā)明公開了一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法，涉及旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域。本發(fā)明是利用EEMD將原始信號(hào)分解為一系列IMF分量；然后對(duì)每個(gè)IMF分量進(jìn)行采樣，獲取采樣點(diǎn)；然后利用正態(tài)概率圖和Jarque-Bera測(cè)試進(jìn)行檢驗(yàn)，判斷數(shù)據(jù)是否符合正態(tài)分布；去除符合白噪聲特點(diǎn)的IMF分量，保留其余分量相加后得到降噪后的信號(hào)；最后利用包絡(luò)譜對(duì)滾動(dòng)軸承進(jìn)行故障診斷。本發(fā)明能夠達(dá)到很好的信號(hào)降噪的目的，使得信號(hào)的故障特征更加明顯，最后利用包絡(luò)譜對(duì)故障頻率進(jìn)行識(shí)別，可以很好的診斷出軸承的故障類型。
【專利說明】一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域，尤其涉及的是一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法。
【背景技術(shù)】
[0002]滾動(dòng)軸承廣泛應(yīng)用于旋轉(zhuǎn)機(jī)械，它也是大型旋轉(zhuǎn)機(jī)械的關(guān)鍵部件。由于它的結(jié)構(gòu)特性，滾動(dòng)軸承是容易損壞的零件，在旋轉(zhuǎn)機(jī)械發(fā)生的多種類型故障中，許多都與滾動(dòng)軸承的損壞有關(guān)系。機(jī)械設(shè)備的故障70%是振動(dòng)故障，在這些振動(dòng)故障中，約有30%是由軸承引起的。這是因?yàn)闈L動(dòng)軸承的工作環(huán)境非常惡劣，滾動(dòng)軸承一旦發(fā)生故障，就會(huì)導(dǎo)致整個(gè)機(jī)械設(shè)備的一系列連鎖反應(yīng)，給機(jī)械設(shè)備帶來巨大的安全隱患。因此，在機(jī)械設(shè)備故障診斷技術(shù)中，滾動(dòng)軸承的故障診斷技術(shù)是重要的組成部分。
[0003]滾動(dòng)軸承的故障診斷方法有很多，而基于振動(dòng)信號(hào)的滾動(dòng)軸承故障診斷技術(shù)是最常用，也是最有效的方法。振動(dòng)信號(hào)包含了豐富的機(jī)械設(shè)備異?；蚬收闲畔ⅲ芊从硻C(jī)械設(shè)備運(yùn)行的狀態(tài)特征。傳統(tǒng)的應(yīng)用最廣泛的數(shù)字信號(hào)處理技術(shù)就是傅里葉變換。自1965年庫利-圖基發(fā)明了 FFT (快速傅里葉變換，F(xiàn)astFourier Transformation)之后,頻譜分析法在各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用。小波變換是80年代后期發(fā)展起來的一門新型的數(shù)字信號(hào)處理技術(shù)，它的本質(zhì)是一個(gè)窗口可調(diào)的傅里葉變換，它的時(shí)間窗和頻率窗都可以改變，是一種時(shí)頻局域化的分析方法。FFT不能給出頻率隨時(shí)間的變化情況，只能單獨(dú)給出信號(hào)的頻率分布情況，缺乏與時(shí)間的定位功能。小波變換由于小波基函數(shù)長度有限，因此，對(duì)信號(hào)能量相對(duì)時(shí)間和頻率的分布來說，對(duì)其進(jìn)行精確的分析就會(huì)產(chǎn)生較大的困難。一旦基本小波基被選定，就必須用這種小波基函數(shù)來分析所有的待分析的數(shù)據(jù)，因此小波變換不具備自適應(yīng)的特點(diǎn)。
[0004]EMD (經(jīng)驗(yàn)?zāi)B(tài)分解，empirical mode decomposition)可以根據(jù)信號(hào)的局部時(shí)間特性來把一個(gè)復(fù)雜的信號(hào)分解為有限個(gè)本征模態(tài)函數(shù)分量。但是，EMD也有缺點(diǎn)，最主要的問題就是模態(tài)混疊問題。EEMD (集合經(jīng)驗(yàn)?zāi)B(tài)分解，ensemble empirical modedecomposition)是一種新型的數(shù)字信號(hào)處理方法，可以將復(fù)雜故障信號(hào)自適應(yīng)的分解為一系列本征模態(tài)函數(shù)分量，適用于非線性、非平穩(wěn)信號(hào)的分析與處理。分布擬合檢驗(yàn)是用來測(cè)試一組數(shù)據(jù)的樣本值是否來自某種給定的分布的檢驗(yàn)方法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的不足，提供了一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法。
[0006]本發(fā)明的技術(shù)方案如下:
[0007]一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法，其步驟如下:
[0008](I)利用EEMD將原始信號(hào)分解為一系列MF分量；
[0009](2)對(duì)每個(gè)MF分量進(jìn)行采樣，獲取采樣點(diǎn)；然后利用正態(tài)概率圖和Jarque-Bera測(cè)試進(jìn)行檢驗(yàn)，判斷數(shù)據(jù)是否符合正態(tài)分布；
[0010](3)去除符合白噪聲特點(diǎn)的IMF分量，保留其余分量相加后得到降噪后的信號(hào)；
[0011](4)利用包絡(luò)譜對(duì)滾動(dòng)軸承進(jìn)行故障診斷。
[0012]本發(fā)明采用EEMD進(jìn)行復(fù)雜信號(hào)的分解，可以解決傳統(tǒng)方法不具備自適應(yīng)的缺點(diǎn)，也可以減輕EMD所出現(xiàn)的模態(tài)混疊的問題，更加適用于非線性、非平穩(wěn)信號(hào)的分析預(yù)處理；采用分布擬合檢驗(yàn)檢驗(yàn)法，從白噪聲IMF分量的概率分布特性來篩選有用的IMF分量，同時(shí)去除無用的MF分量，有很好的理論依據(jù)；本發(fā)明能夠達(dá)到很好的信號(hào)降噪的目的，使得信號(hào)的故障特征更加明顯，最后利用包絡(luò)譜對(duì)故障頻率進(jìn)行識(shí)別，可以很好的診斷出軸承的故障類型。
【專利附圖】

【附圖說明】
[0013]圖1為s⑴利用EMD分解結(jié)果圖。
[0014]圖2為s⑴利用EEMD分解結(jié)果圖。
[0015]圖3為內(nèi)圈故障信號(hào)經(jīng)過EEMD的分解結(jié)果圖。
[0016]圖4為內(nèi)圈故障信號(hào)的MF分量的正態(tài)概率圖。
[0017]圖5為內(nèi)圈故障信號(hào)降噪后的結(jié)果。
[0018]圖6為內(nèi)圈故障信號(hào)包絡(luò)譜。
[0019]圖7為外圈故障信號(hào)經(jīng)過EEMD的分解結(jié)果圖。
[0020]圖8為外圈故障信號(hào)的MF分量的正態(tài)概率圖。
[0021]圖9為外圈故障信號(hào)降噪后的結(jié)果。
[0022]圖10為外圈故障信號(hào)包絡(luò)譜。
【具體實(shí)施方式】
[0023]以下結(jié)合具體實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
[0024]實(shí)施例1
[0025]1、假設(shè)一個(gè)仿真信號(hào)s (t)，它的構(gòu)成為7Hz正弦分量和Gauspuls脈沖分量的疊力口，圖1為s (t)經(jīng)過EMD分解之后的結(jié)果。
[0026]從圖1明顯可以看出，頂Fl和MF2很明顯發(fā)生了模態(tài)混疊現(xiàn)象，從圖中已經(jīng)很難看出MFl和MF2所表示的物理含義。
[0027]2、對(duì)I中的仿真信號(hào)s(t)進(jìn)行EEMD分解，結(jié)果如圖2所示。從圖2中可以看出，s(t)經(jīng)過EEMD分解之后得到了 4個(gè)MF分量和I個(gè)余量，其中cl和c2表示分解出來的Gauspuls脈沖分量,c4很好地表不出7Hz正弦分量，因此，經(jīng)過EEMD分解之后,可以很好的分解出原始信號(hào)所包含的成分，每個(gè)MF分量都具有自己的物理意義。因此，EEMD可以很好地解決模態(tài)混疊的問題，可以很好的反映出s(t)的本質(zhì)特點(diǎn)。
[0028]實(shí)施例2
[0029]滾動(dòng)軸承內(nèi)圈故障信號(hào)來自于美國凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心，其中:采樣頻率為12000Hz，電動(dòng)機(jī)的轉(zhuǎn)速為1750r/min。首先對(duì)滾動(dòng)軸承內(nèi)圈故障信號(hào)進(jìn)行EEMD分解，得到若干本征模態(tài)函數(shù)分量。然后根據(jù)MF分量的概率分布特性，利用正態(tài)概率圖和Jarque-Bera測(cè)試法進(jìn)行有用IMF分量的選取以及無用IMF分量的去除。將有用的IMF分量進(jìn)行重構(gòu)得到降噪后的內(nèi)圈故障信號(hào)，最后利用包絡(luò)譜對(duì)滾動(dòng)軸承故障特征頻率進(jìn)行識(shí)別。
[0030]圖3為滾動(dòng)軸承內(nèi)圈故障信號(hào)經(jīng)過EEMD分解后的結(jié)果。圖4為內(nèi)圈故障分解出來的MF分量的正態(tài)概率圖。
[0031]對(duì)于正態(tài)概率圖來說，如果采樣點(diǎn)(圖中“ + ”點(diǎn))接近圖中的虛線，則可認(rèn)為這一組采樣點(diǎn)近似服從正態(tài)分布，因此，對(duì)于c4，c5，c6來說，它的分布特點(diǎn)符合白噪聲的IMF的分布特性，因此可將其作為無用MF分量去除。為了提高檢驗(yàn)的正確率，本文還采用了Jarque-Bera測(cè)試，測(cè)試結(jié)果如表1所示。
[0032]表1內(nèi)圈故障信號(hào)的MF分量的Jarque-Bera測(cè)試結(jié)果
【權(quán)利要求】
1.一種基于EEMD和分布擬合檢驗(yàn)的滾動(dòng)軸承故障診斷方法，其特征是，其步驟如下: (1)利用EEMD將原始信號(hào)分解為一系列IMF分量； (2)對(duì)每個(gè)IMF分量進(jìn)行采樣，獲取采樣點(diǎn)；然后利用正態(tài)概率圖和Jarque-Bera測(cè)試進(jìn)行檢驗(yàn)，判斷數(shù)據(jù)是否符合正態(tài)分布； (3)去除符合白噪聲特點(diǎn)的IMF分量，保留其余分量相加后得到降噪后的信號(hào)； (4 )利用包絡(luò)譜對(duì)滾動(dòng)軸承進(jìn)行故障診斷。
【文檔編號(hào)】G01M13/04GK103900815SQ201410130757
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月2日 優(yōu)先權(quán)日:2014年4月2日
【發(fā)明者】張友鵬, 張霆, 楊蕾, 趙斌, 董海燕 申請(qǐng)人:蘭州交通大學(xué)