基于改进HHT的微弱故障信号特征提取方法
2016-11-23周小龙姜振海马风雷
东北电力大学学报 2016年5期
周小龙,姜振海,马风雷
(1.东北电力大学 工程训练教学中心,吉林 吉林 132012;2.长春工业大学 机电工程学院,长春 130012)
基于改进HHT的微弱故障信号特征提取方法
周小龙1,姜振海2,马风雷2
(1.东北电力大学 工程训练教学中心,吉林 吉林 132012;2.长春工业大学 机电工程学院,长春 130012)
针对微弱故障信号故障特征难以提取的问题,提出一种基于改进希尔伯特-黄变换的故障特征提取方法。该方法首先采用平均总体经验模态分解将故障信号分解成一系列固有模态函数,再选取对故障特征敏感的固有模态函数进行希尔伯特谱和边际谱分析,从中提取故障特征。仿真和实际试验证明:希尔伯特谱和边际谱能够清晰呈现故障信号时域和频域内的细微特性,为微弱故障信号的特征提取提供了一种切实可行的方法。
希尔伯特-黄变换;平均总体经验模态分解;微弱信号;特征提取
在机械传动设备中,当某一零件出现早期缺陷时,其振动信号十分微弱,往往被其它零部件的运行振动信号和背景噪声所淹没,为故障的检测和诊断带来困难[1]。若设备中出现早期故障而不及时处理,将使机械传动设备无法平稳传动,并有可能造成有关部件报废。因此,研究机械设备微弱故障信号的特征提取方法具有重要意义。
在机械传动过程中,由于转速不稳定、负荷变化和环境噪声等因素的影响,其振动信号表现出非平稳和非线性的特征。目前对此类信号的故障特征提取与诊断常采用倒频谱分析、共振解调、时频分布和小波变换等方法[2]。……
登录APP查看全文
