基于EEMD的旋轉機械故障診斷方法研究.pdf

1、旋轉機械設備是工業(yè)生產中的關鍵設備，它的運行狀態(tài)關系著企業(yè)的安全生產和經濟效益，因此，對其進行狀態(tài)監(jiān)測與故障診斷有重要的意義。旋轉機械設備發(fā)生故障時，會產生異常振動。它的振動信號中含有豐富的機器信息，因而對其振動信號進行分析，進而判斷故障類型是一種行之有效的方法。旋轉機械故障振動信號大多數都是非線性、非平穩(wěn)的，傳統的信號分析方法已經不能滿足故障振動信號處理的要求，因此，有必要選擇恰當的適合非線性、非平穩(wěn)信號分析的信號處理方法。
　

2、　時頻分析方法能夠同時提供振動信號時域和頻域的信息，因而被廣泛應用于旋轉機械故障診斷中。本文介紹了常用的時頻分析方法，如短時傅里葉變換、Wigner-Ville分布、小波變換等。這幾種方法對于處理非線性、非平穩(wěn)的振動信號都存在一定的缺點和不足。Huang提出的自適應時頻分析方法Hilbert-Huang變換對于處理非線性、非平穩(wěn)的信號處理效果較傳統的時頻分析方法更能凸顯信號的局部特征。但Hilbert-Huang變換中的經驗模式分解存在

3、模態(tài)混疊的問題，Huang又提出了一種噪聲輔助分析的方法——總體平均經驗模式分解，簡稱為EEMD。
　　本文主要研究基于EEMD的旋轉機械故障診斷方法，首先對EEMD算法原理進行深入研究，并對其抗模態(tài)混疊性能進行分析。針對EEMD算法中參數設置問題，提出了加入白噪聲的能量標準差法。同時采用基于相關系數的方法來提取有效本征模式分量，有效去除了EEMD分解過程中產生的虛假模式分量。
　　本文還研究了旋轉機械兩個重要元件滾動軸承和