i4)。
[0035] (b)若本征模態(tài)分量Ci對應的前四位頻率值f u，f i2，f i3，f i4中的最大值f i '和最小
，則本征模態(tài)分量ci發(fā)生了模態(tài)混疊現(xiàn)象，產(chǎn)生混疊模態(tài)信號IMFj， 然后進入步驟(4);否則，本征模態(tài)分量(^沒有發(fā)生模態(tài)混疊現(xiàn)象，則轉到步驟(6)。
[0036] (4)對獲得的混疊模態(tài)信號頂R增加輔助信號s(t)，以得到新的混合信號y(t)。其 中
[0037] s(t)=asin(23ift), (4)
[0038] 式中，a為輔助信號中的幅值，f為輔助信號中的頻率，幅值a和頻率f根據(jù)混疊模態(tài) 信號頂Fj的特征確定：由混疊模態(tài)信號MFj的最大頻率與最小頻率均值確定f，由混疊模態(tài) 信號IMFj的最大幅值和最小幅值均值確定a。
[0039] (5)對步驟(4)得到的混合信號7(1:)初始化，7(1:)=1'。（1:)，1 = 1;進入步驟（2)循 環(huán)，直到分解出的所有本征模態(tài)函數(shù)無模態(tài)混疊現(xiàn)象。
[0040] (6)對最后獲得的無模態(tài)混疊現(xiàn)象的本征模態(tài)函數(shù)進行功率譜分析，獲取故障特 征頻率。
[0041 ]實施例：為了進一步驗證本發(fā)明的方法在齒輪故障診斷中的實用性，在本實施例 中采用風電齒輪箱故障模擬實驗平臺進行數(shù)據(jù)實測。實驗中的齒輪為斷齒故障，齒數(shù)為31， 有一個齒斷裂。采用壓電式加速度傳感器采集齒輪箱振動數(shù)據(jù)，采樣頻率為16384Hz，齒輪 轉速為1860r/min，轉頻為f r = 31Hz。采集到的齒輪箱振動信號的原始信號如圖2所示。
[0042]對原始信號進行第一級EMD分解，得到各頂F分量及各頂F分量的混合單頻信息，如 圖3所示。從分解的結果中可以得出本征模態(tài)分量C1的單頻信息中匕彳12力3力 4中的最大 值為f11 = 1624.55，最小值Sf !4= 187.143，f n/f w = 8.68>5，本征模態(tài)分量C1發(fā)生了模態(tài)混 疊現(xiàn)象。同理可以判斷出本征模態(tài)分量C2，C3，C4均未發(fā)生模態(tài)混疊現(xiàn)象。由于本征模態(tài)分量 C1&生了模態(tài)混疊，所以無法從本征模態(tài)分量C1中提取齒輪斷齒的故障頻率特征。從本征模 態(tài)分量C2，C3，C4中可以看到齒輪斷齒故障特征頻率的近似1/2倍頻（14.42Hz)、近似1倍頻 (31.45Hz)、近似2倍頻(64.19Hz)、近似3倍頻(91.5Hz)、近似9倍頻（280.445Hz)等諧波頻 率。對發(fā)生模態(tài)混疊現(xiàn)象的 C1進行第二級經(jīng)驗模態(tài)分解。
[0043] 本征模態(tài)分量C1添加輔助信號s (t) = -sin (60〇Jit)后進行第二級EMD分解，得出的 各個頂F分量及各分量的混合單頻信息（如圖4所示）。從圖4的分解結果中可以得出本征模 態(tài)分量cn的單頻信息中f21，f22，f23，f24中的最大值為f 111 = 1624.55，最小值為f24 = 1038.47，f 21/f24= 1.56〈5，cn未發(fā)生模態(tài)混疊。同理可以判斷出c12，c13，cw均未發(fā)生模態(tài)混 疊。從cn，c 12，c13，C1沖可以看到齒輪斷齒故障特征頻率的近似1倍頻(30.62Hz)、近似2倍頻 (58.34Hz)、近似3倍頻（92.27Hz)、近似4倍頻（120.6Hz)、近似9倍頻（280.54Hz)、近似 16倍 頻(492.19Hz)等諧波頻率，故障特征明顯。對C1進行第二級EMD分解后，分解出了本征模態(tài) 分量C2，C3，C4中未得到的故障特征頻率的4倍頻和16倍頻。
[0044] 實驗結果表明本發(fā)明的級聯(lián)經(jīng)驗模態(tài)分解方法實現(xiàn)了對齒輪斷齒故障的微弱信 息有效故障提取。采用了三次樣條插值方法將本征模態(tài)函數(shù)MF的所有極值點、駐點和拐點 進行曲線擬合生成上、下包絡線，并通過增加輔助信號s(t)=- Sin(6003it)，減小了本征模 態(tài)函數(shù)混疊現(xiàn)象，從而依次獲得最優(yōu)本征模態(tài)函數(shù)，為齒輪故障特征有效獲取提供有效保 障。
[0045] 上述各實施例僅用于說明本發(fā)明，各步驟都是可以有所變化的，在本發(fā)明技術方 案的基礎上，凡根據(jù)本發(fā)明原理對個別步驟進行的改進和等同變換，均不應排除在本發(fā)明 的保護范圍之外。
【主權項】
1. 一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其特征在于包括W下步驟： (1) 采用振動傳感器對齒輪故障工況進行監(jiān)測，并采集齒輪故障工況振動信號;設采集 到的齒輪斷裂狀態(tài)信號中的振動信號為x(t)，令ri(t)為振動信號x(t)經(jīng)第i次迭代篩選后 的信號;將振動信號x(t)初始化，x(t)=r〇(t)，i = l; (2) 將采集到的振動信號x(t)采用多級經(jīng)驗模態(tài)分解方法進行故障信號局部特征提 取，獲取本征模態(tài)函數(shù)： (3) 對得到的本征模態(tài)函數(shù)進行功率譜分析，提取本征模態(tài)函數(shù)分量IMF的混合單頻信 息，并判斷其是否發(fā)生了模態(tài)混疊狀態(tài)： (a) 對本征模態(tài)分量Cl進行功率譜分析，將功率譜中各個頻率對應的幅值從大到小進行 排序(Ai1，Ai2.....心。），然后提取幅值排在前四位的四個幅值(心1，心2，心3，心4)及其對應的 四個頻率值(fil，fi2，fi3，fi4); (b) 若本征模態(tài)分量Cl對應的前四位頻率值f 11，f 12，f 13，f 1沖的最大值f 1 '和最小值fi" 的比值W = 則本征模態(tài)分量Cl發(fā)生了模態(tài)混疊現(xiàn)象，產(chǎn)生混疊模態(tài)信號IM門，然后 進入步驟(4);否則，本征模態(tài)分量Cl沒有發(fā)生模態(tài)混疊現(xiàn)象，則轉到步驟(6); (4) 對獲得的混疊模態(tài)信號IMF苗曽加輔助信號s(t)，w得到新的混合信號y(t); (5) 對步驟(4)得到的混合信號y(t)初始化，7(*)=。(〇，1 = 1;進入步驟(2)循環(huán)，直到 分解出的所有本征模態(tài)函數(shù)無模態(tài)混疊現(xiàn)象； (6) 對最后獲得的無模態(tài)混疊現(xiàn)象的本征模態(tài)函數(shù)進行功率譜分析，獲取故障特征頻 率。2. 如權利要求1所述的一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其特征在于:所 述步驟(2)中，獲取本征模態(tài)函數(shù)方法如下： ① 令hk-i(t)為信號ri(t)減去包絡線均值后的第k次迭代篩選后的信號，初始化hD(t) = ri-i(t) ,k=l ； ② 計算信號hk-i(t)的極值點jk-i(t)和駐點zk-i(t); ③ 采用Ξ次樣條插值方法對極值點jk-i(t)和駐點zk-i(t)進行插值計算得到上包絡線 Lk-i(t)、下包絡線Dk-i(t)，然后計算上、下包絡線的均值mk-i(t)，根據(jù)均值mk-i(t)得到第k+1 次迭代篩選后的信號1^(1:)為:111<(1:)=^-1(1:)-11心1(1:); ④ 根據(jù)本征模態(tài)函數(shù)條件，判斷信號hk(t)是否為本征模態(tài)函數(shù)IMF:如果信號hk(t)符 合本征模態(tài)函數(shù)條件，則確定該信號為時間尺度本征模態(tài)函數(shù)Ci(t)，即Ci(t)=hk(t)，進入 下一步；反之，則返回至步驟①進行k+1次迭代，直到信號hk(t)符合本征模態(tài)函數(shù)條件為 止； ⑤ 令信號ri(t)=ri-i(t)-ci(t)，并判斷信號ri(t)是否為單調函數(shù);如果信號ri(t)是單 調函數(shù)，則進入步驟(3)，否則返回至步驟①，對信號ri(t)進行第i+1次迭代，對信號hk-i(t) 進行第k+1次迭代，直至信號ri(t)是單調函數(shù)為止。3. 如權利要求1或2所述的一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其特征在 于:所述步驟(3)中，采用自適應單頻信息提取方法提取各個本征模態(tài)分量IMF的混合單頻 信息： W(fm)=S 化PF(fm)，式中，W(fm)為輸出的單頻信息；δ為濾波系數(shù)調整值;WbPF為帶通濾波器;fm為獲取的一 個IMF分量信號;δ〇為濾波系數(shù)初始值;N為信號點數(shù);Fs為采樣頻率。4. 如權利要求1或2所述的一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其特征在 于:所述步驟(4)中，輔助信號s(t)為： s(t)=a sin(2灶t)， 式中，a為輔助信號中的幅值，f為輔助信號中的頻率。5. 如權利要求3所述的一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其特征在于:所 述步驟(4)中，輔助信號s(t)為： s(t)=a sin(2灶t)， 式中，a為輔助信號中的幅值，f為輔助信號中的頻率。
【專利摘要】本發(fā)明涉及一種基于級聯(lián)經(jīng)驗模態(tài)分解齒輪故障診斷方法，其步驟：采用振動傳感器對齒輪故障工況進行監(jiān)測，并采集齒輪故障工況振動信號；將采集到的振動信號采用多級經(jīng)驗模態(tài)分解方法進行故障信號局部特征提取，獲取本征模態(tài)函數(shù)：對得到的本征模態(tài)函數(shù)進行功率譜分析，提取本征模態(tài)函數(shù)分量IMF的混合單頻信息，并判斷其是否發(fā)生了模態(tài)混疊狀態(tài)；對獲得的混疊模態(tài)信號IMFj增加輔助信號，以得到新的混合信號；對得到的混合信號初始化，循環(huán)直到分解出的所有本征模態(tài)函數(shù)無模態(tài)混疊現(xiàn)象；對最后獲得的無模態(tài)混疊現(xiàn)象的本征模態(tài)函數(shù)進行功率譜分析，獲取故障特征頻率。本發(fā)明能及時、準確地診斷齒輪故障，避免了故障特征難以辨識的問題。
【IPC分類】G06K9/00, G01M13/02
【公開號】CN105699072
【申請?zhí)枴緾N201610012425
【發(fā)明人】任彬, 楊紹普, 喬卉卉, 郝如江, 莊珊娜
【申請人】石家莊鐵道大學
【公開日】2016年6月22日
【申請日】2016年1月11日