[发明专利]基于微分局部均值分解的旋转机械故障诊断方法

说明书

技术领域

本发明属于一种机械工程领域的旋转机械故障诊断方法。具体地说是关于一种基于微分局部均值分解的旋转机械故障诊断方法。

背景技术

随着科技的进步，工业化进程的发展，旋转机械在社会生产和运行中占得比重越来越大，旋转机械一旦出现了故障，将直接影响生产的进程，会带来巨大的经济损失，所以旋转机械故障的诊断在科学研究中受到了重视。

旋转机械故障的诊断往往是通过分析其振动信号来判断其运行状态，而其振动信号为非平稳、非线性信号，时频分析的方法能够有效的处理和分析这种非平稳非线性信号，所以得到了广泛的应用。目前应用较多的时频分析方法有：小波变换、Wigner-Ville分布、EMD分解等方法。但这几种方法都有各自的不足之处，小波变换对时频面进行的是一种机械的格型分解，这种分解不具备自适应性。Wigner-Ville分布由于是二次型时频表示，对于多分量信号存在交叉项干扰。EMD分解是一种自适应的信号处理方法，尤其适合处理非平稳、非线性信号，目前其用于旋转机械故障诊断的研究比较多，但是其也存在模态混淆、端点效应、迭代次数多等缺点。局部均值分解(LMD)是近年来新出现的时频分析方法。该方法的特点是可以获得信号在任何时刻的时频分布及有物理意义的瞬时频率，为机械设备故障诊断提供一种新的故障特征提取方法。但LMD分解后所得的故障频率结果往往存在虚假频率的问题，这会影响故障的诊断结果。

发明内容

本发明克服了现有技术中的不足，提供一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法。

为了解决上述存在的技术问题，本发明是在LMD基础上提出一种改进的信号处理算法，克服传统的LMD方法在旋转机械故障诊断中的不足。它是在LMD基础上提出的一种改进的信号处理算法——微分局部均值分解（DLMD），这种方法在LMD的基础上，融入的微分和积分的运算过程，最终可以把一个复杂的非平稳、非线性信号分解成多个PF分量和残余分量之和。

为了实现上述目的，本发明的技术方案是：一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，其内容包括如下步骤：

(一)采用加速度传感器测试旋转机械设备，采集获得其振动信号；

(二)对获得的加速度振动信号，进行DLMD分解，得到若干PF分量和残余分量；

(三)求出各PF分量的瞬时频率和瞬时幅值，提取故障特征。

上述的基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，在步骤(二)中，所述的对加速度振动信号进行DLMD分解的过程，其内容包括以下步骤：

1)对原始加速度振动信号x₀(t)进行k阶微分，得到x^(k)(t)；

2)求局部均值函数m₁₁(t)，找出x^(k)(t)所有的局部极值点n_i，求出所有相邻的局部极值点的平均值m_i，用直线把所有相邻的平均值点m_i连接起来，然后再用滑动平均法对它进行平滑处理，可以得到局部均值函数m₁₁(t)；

3)求包络估计函数a₁₁(t)，计算相邻两个包络估计值a_i，用直线把所有相邻两个包络估计值a_i连接起来，然后采用滑动平均方法对它进行平滑处理，可以得到包络估计函数a₁₁(t)；

4)从信号x^(k)(t)中分离出局部均值函数m₁₁(t)，得到h₁₁(t)；

5)用h₁₁(t)除以包络估计函数a₁₁(t)，对h₁₁(t)进行解调，可得s₁₁(t)，

6)同样对s₁₁(t)也重复上述步骤2)～5)，直到s_1n(t)成为一个纯调频信号，即s_1n(t)的包络估计函数a_1(n+1)(t)=1；

7)把迭代过程中产生的所有包络估计函数相乘便可以得到包络信号(瞬时幅值函数)a₁(t)；

8)把纯调频信号s_1n(t)乘以包络信号a₁(t)，便可以得到信号x^(k)(t)的第一个PF分量PF₁(t)；