APP下载

基于KL-HVD的转子振动故障诊断方法研究

2018-09-03朱霄珣苑一鸣徐博超韩中合

振动与冲击 2018年16期
关键词:故障信号方法

朱霄珣, 周 沛, 苑一鸣, 徐博超, 韩中合

(华北电力大学 动力工程系,河北 保定 071003)

时频分析[1-2]作为一种现代信号处理方法,能够有效地从非线性、非平稳振动信号中提取故障信息,是故障诊断的关键步骤。目前较为常见的时频分析方法有小波分析、LMD和EEMD等。但是小波基[3]的选择具有主观性,LMD和EEMD都存在模态混叠[4-5]、幅值失真等问题。这些问题都会降低故障诊断的精准度。希尔伯特振动分解(Hilbert Vibration Decomposition,HVD)方法[6]是2006年Feldman在希尔伯特变换基础上提出的一种非平稳信号分析方法。HVD不仅保留了分解的自适应性,而且克服了EEMD和LMD分解过程中对相近频率无法分开的缺陷[7-8]。对于倍频段明显的转子故障信号,HVD更能全面反映其时频的变化特征。

然而,作为一种新方法HVD同样存在不足:虚假分量就是其中较为突出的问题。虚假分量是HVD分解过程中产生的虚假成分,只有对其进行甄别,才能准确分析与提取振动信号特征。

针对该问题,本文提出了基于K-L散度的HVD虚假分量识别方法(KL-HVD),利用K-L散度[9]定量的刻画各个分量与原信号间的距离,并通过与阈值的比较,识别虚假成分。

另外,文中分别利用互信息及相关分析等手段对虚假分量问题进行研究,并将三种方法应用于实际振动问题分析。通过实验研究发现,相对于互信息及相关分析,K-L散度值能够更加清晰的区分真实成分与虚假分量。证明了KL-HVD方法有效地解决了HVD中的虚假分量问题,对实际问题具有更高的分析精度。

1 希尔伯特振动分解法

1.1 基本原理

HVD方法可以自适应的将一非稳定连续信号分解为多个幅值大小不同的分量之和,具体分解步骤如下[10]:

登录APP查看全文

猜你喜欢

故障信号方法
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
用对方法才能瘦
基于LabVIEW的力加载信号采集与PID控制
四大方法 教你不再“坐以待病”!
捕鱼
故障一点通