石 敏，李 影，王 冰，武英杰（．北京京能新能源有限公司内蒙古分公司，内蒙古呼和浩特00070；．河北龙源风力发电有限公司，河北承德067000；．华北电力大学控制与计算机工程学院，北京006）



基于变分模态分解的齿轮箱故障诊断

石 敏1，李 影2，王 冰1，武英杰3
（1．北京京能新能源有限公司内蒙古分公司，内蒙古呼和浩特010070；2．河北龙源风力发电有限公司，河北承德067000；3．华北电力大学控制与计算机工程学院，北京102206）

摘要：为有效提取齿轮轻微故障特征，提出一种基于变分模态分解的齿轮箱故障诊断新方法。首先，采用多分量仿真信号，与经验模态分解进行对比分析，然后将该方法应用于齿轮轻微磨损故障诊断。结果表明，相对于经验模态分解，能够将多分量信号成功分离，有利于高效提取齿轮轻微故障特征，为齿轮箱故障诊断提供参考。

关键词：变分模态分解；经验模态分解；齿轮；故障诊断

0 引言

变分模态分解（VMD）具有坚实的理论基础，相比经验模态分解（EMD）和局部均值分解（LMD）的递归“筛选”模式，VMD将信号分解转化非递归、变分模态分解方式，在很多方面表现出更加优异的性能。比如，对噪声信号具有良好的鲁棒性；通过收敛条件的合理控制，VMD的采样效应远小于EMD和LMD。另外，在模态分离方面，VMD可将频率相近的两个纯谐波信号成功分离［1，2］，该方法已在心电图信号、地震信号以及机械振动信号处理中表现出一定的优越性。

文献［3］分别采用VMD和EMD处理滚动轴承振动信号，结果表明VMD能将不同中心频率的模态信号分解开来，而EMD中出现多个高频分量集中在一个模态的现象。……