APP下载

FA-PMA-VMD方法及其在齿根裂纹故障诊断中的应用

2018-08-27程军圣李梦君欧龙辉

振动与冲击 2018年15期
关键词:模态故障信号

程军圣, 李梦君, 欧龙辉, 杨 宇

(湖南大学 汽车车身先进设计制造国家重点实验室,长沙 410082)

齿轮作为旋转机械中不可或缺的一部分,其故障信号往往表现出非线性非平稳特性,针对这种非线性非平稳特性,常采用时频分析方法对这类信号进行预处理。常用的时频分析方法有经验模态分解(Empirical Mode Decomposition, EMD)等方法[1-3]。但是EMD方法是基于“经验性”算法,缺少坚实的数学基础[4],并且存在模态混淆等缺陷[5]。Dragomiretskiy等[6]最近提出了一种新的分解方法—变分模态分解(Variational Mode Decomposition,VMD)。它是一种具有坚实的数学基础的分解方法,通过建立对应的约束变分模型表达式,引入二次惩罚因子和拉格朗日乘法算子,将约束性变分问题变为非约束性变分问题,最终获得具有数学意义并且能有效抑制模态混叠现象的带限内禀模态函数。

VMD相比EMD等方法,在很多方面表现出更加优异的性能[5-9]。Zheng等将VMD方法应用在碰撞信号的去噪上,效果明显优于EMD方法,文献[7]论证了VMD方法有很好的滤波特性,文献[8]等将VMD方法应用到旋转机械的碰摩故障诊断,唐贵基等将VMD方法应用到轴承的早期故障诊断。但是VMD方法自身也存在着一些缺陷。首先,在用VMD方法分解信号之前,必须预先设定模态数和惩罚参数,文献[7]将去趋势波动分析(Detrended Fluctuation Analysis,DFA)方法与VMD方法相结合,建立光纤陀螺信号的长相关系数α0与模态数k的关系式,以计算α0获得最佳的模态数,但是忽略了惩罚参数α对对于VMD分解效果的影响,且仅应用于光纤陀螺信号。文献[8]虽然考虑了惩罚参数α对于VMD分解效果的影响,但是只能将VMD算法运用到简单的谐波信号和噪声的合成信号。……

登录APP查看全文

猜你喜欢

模态故障信号
信号
完形填空二则
故障一点通
基于FPGA的多功能信号发生器的设计
奔驰R320车ABS、ESP故障灯异常点亮
基于LabVIEW的力加载信号采集与PID控制
故障一点通
基于HHT和Prony算法的电力系统低频振荡模态识别
江淮车故障3例
由单个模态构造对称简支梁的抗弯刚度