李佳桐，张 跃，符栋梁，章 艺

（中船重工集团公司 第704研究所，上海200031）

电机与基础面存在接触刚度和接触阻尼，螺栓松动会对电机的振动特性产生很大的影响[1-2]，松动的螺栓会引发电机振动故障，威胁电机安全运行。由此，有必要研究螺栓松动特性与振动响应之间的内在联系，对系统的振动情况进行故障诊断。常用的故障诊断方法有解析冗余、神经网络、多元统计等，由于神经网络学习量大，收敛速度慢，不利于在线学习与诊断；解析冗余诊断结果受模型准确性限制，一旦出现外界干扰可能发生判断错误，本文利用系统的历史运行数据，来提取系统测量数据之间的内在相关性，选用主成分分析法将测量数据投影到残差子空间中，通过对比样本的平方预测误差与置信限，实现对螺栓松动的故障诊断[3]。

1 螺栓松动的故障特征诊断

1.1 基于EMD的信号处理方法

当大型旋转机械出现故障或负荷、转速发生变化时，其振动信号表现为时变的非稳定信号，为了正确地描述这类非线性、非平稳信号，提取典型故障特征，本文采用经验模态分解方法（Empirical Mode Decomposition，EMD）对故障信号进行处理，将其分解为若干个本征模式分量函数（intrinsic mode function，IMF）[4]。

利用前5个分量提取特征[c1(t),c1(t),…,c5(t)]，这些IMF包括不同的频率分量。

1.2 主成分分析法

时域特征是信号特征的重要指标，通常分为维数指标和无量纲指标。尺寸指标对信号特性敏感，但在改变工况时缺陷不稳定，而无量纲指数可以排除这些干扰，具有较好的故……