AMD和EMD方法在滾動(dòng)軸承故障診斷中的應(yīng)用研究.pdf

1、旋轉(zhuǎn)機(jī)械設(shè)備在工業(yè)生產(chǎn)中占有非常重要的地位，其中滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中應(yīng)用最為普遍的部件，其運(yùn)行狀態(tài)直接影響到整臺(tái)機(jī)器的性能。因此對(duì)滾動(dòng)軸承的故障診斷具有重要現(xiàn)實(shí)意義。本文主要針對(duì)EMD方法的局限性和不足進(jìn)行了分析研究，結(jié)合AMD方法和雙穩(wěn)隨機(jī)共振等理論對(duì)其進(jìn)行改進(jìn)，提出的新算法更有利于機(jī)械故障特征的提取，并成功應(yīng)用于滾動(dòng)軸承的故障診斷。
　　本文提出一種基于AMD旋轉(zhuǎn)機(jī)械故障特征的提取方法。對(duì)于可預(yù)知故障特征頻率的旋轉(zhuǎn)機(jī)械的故障診

2、斷，可利用AMD方法提取機(jī)械振動(dòng)信號(hào)中故障特征頻率所在頻段的信號(hào)，并求該段信號(hào)的頻譜，若頻譜中含有故障特征頻率，則說(shuō)明機(jī)械振動(dòng)信號(hào)中存在該故障。通過(guò)對(duì)滾動(dòng)軸承故障信號(hào)和轉(zhuǎn)子不對(duì)中故障數(shù)據(jù)的分析處理，并與僅用EMD方法的處理結(jié)果進(jìn)行對(duì)比，證明了AMD方法的有效性，且比EMD方法更快速、準(zhǔn)確。
　　針對(duì)在經(jīng)驗(yàn)?zāi)B(tài)分解篩選過(guò)程中間斷信號(hào)引起的模態(tài)混疊現(xiàn)象，提出一種基于AMD的經(jīng)驗(yàn)?zāi)B(tài)分解模態(tài)混疊消除新方法。利用第1個(gè)有效固有模態(tài)函數(shù)的瞬

3、時(shí)頻率特性得到其頻率成分及二分頻率，且能實(shí)現(xiàn)對(duì)間斷信號(hào)的定位，然后再采用AMD方法分離出間斷信號(hào)，再對(duì)處理后的信號(hào)進(jìn)行EMD分解，從而消除該間斷信號(hào)的影響。仿真分析和應(yīng)用實(shí)例的結(jié)果證明，該方法可以有效消除由間斷信號(hào)引起的模態(tài)混疊現(xiàn)象。
　　針對(duì)希爾伯特-黃變換方法不能識(shí)別具有相近頻率的非平穩(wěn)信號(hào)的問(wèn)題，提出一種AMD與HHT結(jié)合的非平穩(wěn)信號(hào)緊密間隔頻率檢測(cè)新方法。該方法首先利用HHT變換得到非平穩(wěn)信號(hào)的頻率成分，再用AMD方法依次

4、提取出各個(gè)頻率成分的信號(hào)進(jìn)行AMD分解，分別判斷是否有頻率混疊的現(xiàn)象，并將存在混疊頻率的信號(hào)分解為單頻率信號(hào)分量，實(shí)現(xiàn)全部特征頻率的檢測(cè)。仿真及應(yīng)用實(shí)例結(jié)果表明，該方法解決了HHT方法不能有效分離兩個(gè)相近頻率信號(hào)的問(wèn)題，確保能夠準(zhǔn)確分解信號(hào)數(shù)據(jù)并且分解精度有所提高。
　　本文提出一種基于自適應(yīng)隨機(jī)共振和AMD-EEMD的滾動(dòng)軸承故障診斷新方法。首先采用粒子群算法對(duì)雙穩(wěn)系統(tǒng)進(jìn)行多參數(shù)并行尋優(yōu)，得到最佳的系統(tǒng)結(jié)構(gòu)參數(shù)；然后對(duì)含噪聲的信

5、號(hào)進(jìn)行隨機(jī)共振輸出，使信號(hào)得到降噪和加強(qiáng)；再利用AMD方法對(duì)隨機(jī)共振輸出的信號(hào)進(jìn)行截??；最后通過(guò)EEMD方法對(duì)AMD截取的信號(hào)進(jìn)行抗混疊分解。仿真結(jié)果表明，優(yōu)化后的隨機(jī)共振系統(tǒng)能有效提高信號(hào)的信噪比，信號(hào)經(jīng)過(guò)AMD截取后EEMD分解的有效分量明顯減少，從而改善了EEMD的分解結(jié)果，增強(qiáng)了分量的頻率幅值。通過(guò)對(duì)滾動(dòng)軸承故障信號(hào)特征的提取證明了該方法有良好的效果。
　　最后利用LabVIEW軟件開(kāi)發(fā)平臺(tái)設(shè)計(jì)了滾動(dòng)軸承故障診斷系統(tǒng)，其中