基于改进HHT和形态学分形维数的齿轮箱轴承故障特征提取方法
2019-09-09金成功
组合机床与自动化加工技术 2019年8期
金成功
(北华大学 工程训练中心 ,吉林 吉林 132021)
0 引言
齿轮箱作为旋转机械中的传动装置在航空、电力、建筑等众多领域得到广泛应用。滚动轴承是齿轮箱中的基本组成部件,由于工作环境恶劣,滚动轴承易发生各类失效形式,这将直接影响到同其相连轴和转轴上齿轮的运动状态,若不及时查修,会影响整台机组的性能。研究表明,旋转机械的故障中约有30%是由轴承故障所引起[1]。因此,如何有效提取轴承的故障特征一直是机械故障诊断领域的研究热点和难点[2]。
当轴承产生故障时,其振动信号呈现出典型的非线性特征,当信号的非线性特征越强,信号的几何形状越复杂无规律[3]。轴承信号的形态学分形维数可有效刻画其非线性特性[4],但实测轴承信号往往含有大量噪声,而数学形态学分形维数对于噪声非常敏感,若想对信号几何形状准确刻画,必须对信号内的噪声成分进行滤除,但传统线性滤波方法无法有效解决此问题。
针对上述问题,本文提出一种基于改进希尔伯特-黄变换(HHT)方法和形态学分形维数的齿轮箱轴承故障诊断方法。本方法利用自适应白噪声完备经验模态分解[5](CEEMDAN)对轴承振动信号进行分解,并利用基于相关系数和峭度的方法选取可有效表征信号特性的敏感固有模态函数(IMF)对信号重构。利用形态学分形维数对重构信号的分形特性进行度量,由此实现对轴承状态的诊断。
1 改进HHT方法
对于非线性信号,HHT是近年来应用最为广泛的方法之一。……
登录APP查看全文
