基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

作者:孙国光;刘小平;马立静 刊名:煤矿机械 上传者:汪志宏

【摘要】提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。

全文阅读

1小波域阈值消噪方法(1)消噪原理信号一般由噪声和有效信号2部分构成,小波域阈值消噪本质上是信号的滤波过程,即利用小波变换具有多尺度的特性,具体表现为噪声信号和有效信号的小波分解系数在不同尺度上有不同的特征体现。小波消噪通过对信号进行小波变换,得到的不同尺度的小波变换系数携带有不同的信号特征,再通过阈值量化规则对小波系数进行分析与处理,然后对信号进行重构使其逼近真实信号,达到信号消噪的目的。小波消噪过程中,阈值函数的选取及阈值量化对消噪效果影响效果显著。常用的阈值函数有硬阈值函数和软阈值函数,阈值的确定规则有通用型阈值、Stein无偏风险阈值、启发式阈值和最大最小准则阈值。(2)消噪参数确定为了确定最优的阈值函数和阈值量化方法,构造仿真机械振动信号进行分析。仿真信号由2部分构成,如式(1),一部分为基频30Hz、调制频率为5Hz非线性信号,另一部分频率为80Hz的正弦信号y=[1+0.5sin(10t)]cos{60t[0.5sin(10t)]}+2sin(60t)(1)设定信号采样频率fs=10kHz,采样点数N=10000。在y中混入信噪比为1的高斯白噪声得到含噪信号y。仿真信号和得到的含噪信号如图1所示。图1仿真信号及含噪信号波形图选用sym8小波函数,对含噪信号进行5层分解,分析阈值函数以及阈值确定规则对构造信号消噪效果的影响。采用消噪信号s的信噪比SNR和消噪信号与仿真信号的均方差值MES作为评价信号消噪效果的标准,SNR越大、MES越小代表消噪效果越好。信噪比定义为SNR(y,s)=10logNi=1(y-s)2/Ni=1y2(2)均方差值定义为MES(y,s)=Ni=1(y-s)2/N(3)仿真信号50-5幅值/V00.20.40.60.81含噪信号00.20.40.60.81时间/s50-5幅值/V造的仿真含噪信号,利用软阈值函数的消噪的效果优于硬阈值函数,其中启发式阈值软阈值消噪所得的结果最好。表1不同方法消噪效果参数比较2改进Hilbert-Huang变换方法(1)Hilbert-Huang变换原理经验模态分解(EMD)方法和与之相应的Hilbert谱称为Hilbert-Huang变换,它首先利用EMD方法把原始信号分解为多个相互独立的本征模态函数分量的和,再将Hilbert变换应用于各个IMF分量得到瞬时频率和振幅,进而求取信号的Hilbert谱和Hilbert边际谱,得到振幅-频率-时间的分布,反映出系统的固有特性。对信号进行EMD分解得到若干个IMF分量和一个残余分量,记为x(t)=ni=1ci(t)+rn(4)对每个本征模态函数ci(t)作Hilbert变换得,并忽略分解后的残余函数rn,原始信号表达式为x(t)=Reni=1Ai(t)ei(t)=Reni=1Ai(t)ei(t)dt(5)其中,Re表示取实部,Ai(t)为幅值函数,i(t)为相位函数,i(t)为瞬时频率。若以时间和频率为自变量,用等高线表示幅值在时频维度内的分布,即称为信号的Hilbert谱,表达式为H(,t)=Reni=1Ai(t)ei(t)dt(6)Hilbert边际谱为h()=ToH(,t)dt(7)其中T为信号的总长度。H(,t)与h()表征在信号整体频段上的特征,其中Hilbert谱是对信号幅值随时间和频率变化规律的详细描述,而Hilbert边际谱h()表示信号幅值随频率的变化情况,能真实、准确的反映信号中某一频率是否存在,这也是Hilbert-Huang变换的优势所在。由EMD分解过程可知,求取本征模态函数的过程是以寻找局部极值点为基础的,

参考文献

引证文献

问答

我要提问