基于核獨(dú)立分量分析的階次emd方法在軸承故障診斷中的應(yīng)用

基于核獨(dú)立分量分析的階次emd方法在軸承故障診斷中的應(yīng)用

在機(jī)械系統(tǒng)的實(shí)際車輛測(cè)試中，大部分真實(shí)測(cè)量信號(hào)都是齒輪箱在變速和變換期產(chǎn)生的瞬態(tài)信號(hào)。采用經(jīng)驗(yàn)?zāi)Ｐ头蛛x的分析方法（ed），是一種新的自適應(yīng)處理器方法。它非常適合非線性和非平坦的過(guò)程。它可用于分析和處理齒輪箱的瞬態(tài)信號(hào)。而聲學(xué)檢測(cè)法是一種非接觸檢測(cè)方法,順應(yīng)當(dāng)前裝備非接觸、不解體的實(shí)時(shí)在線快速檢測(cè)和故障診斷的發(fā)展趨勢(shì),與傳統(tǒng)的振動(dòng)檢測(cè)法相比有著顯著的優(yōu)越性和廣闊的發(fā)展前景,所以下文分析處理的信號(hào)就采用齒輪E-mail:tgok@163.com。箱在瞬態(tài)工況下產(chǎn)生的聲音信號(hào),即瞬態(tài)聲信號(hào)。實(shí)際工況下檢測(cè)到的瞬態(tài)聲信號(hào)中包含著大量的干擾,使得反映故障特征的故障源信號(hào)很容易被其他信號(hào)所掩蓋乃至淹沒(méi),導(dǎo)致檢測(cè)到的信號(hào)信噪比很低,嚴(yán)重影響故障診斷的準(zhǔn)確性和可靠性。近年來(lái)迅速發(fā)展起來(lái)的盲源分離技術(shù)提供了一種全新的解決思路,因此,針對(duì)齒輪箱軸承故障信號(hào)非線性的特點(diǎn),將基于非線性函數(shù)空間的核獨(dú)立分量分析(KernelIndependentComponentAnalysis,KICA)應(yīng)用于齒輪箱軸承故障診斷中。1引入rca算法和夢(mèng)德方法1.1核獨(dú)立分量分析盲源分離技術(shù)是基于信號(hào)高階統(tǒng)計(jì)特性的分析方法,是指從多個(gè)源信號(hào)的線性混合信號(hào)中分離出源信號(hào)的技術(shù)。目前已發(fā)展了很多不同的算法,但在處理非線性變化的信號(hào)上還有一定的局限性。在實(shí)車測(cè)試中,信號(hào)傳輸會(huì)受齒輪箱內(nèi)部結(jié)構(gòu)的復(fù)雜性和傳遞過(guò)程等因素影響,在其內(nèi)部存在著更加復(fù)雜的非線性過(guò)程,嚴(yán)重影響故障診斷的準(zhǔn)確性和可靠性。核獨(dú)立分量分析不是現(xiàn)有的ICA方法的簡(jiǎn)單核化,而是一種全新的ICA方法。核技術(shù)的思想就是利用非線性映射?:Rm→R,把原輸入空間的非線性變量yi∈Rm(i=1,2,…,N)映射到某一核特征空間R中,使其線性化,然后在這個(gè)特征空間中對(duì)被映射的數(shù)據(jù)進(jìn)行分析。從而使得R空間中的線性盲源分離等價(jià)于原空間中的非線性盲源分離。這種技術(shù)引人注目的特點(diǎn)之一是可以利用核函數(shù)來(lái)代替兩向量間的內(nèi)積以實(shí)現(xiàn)非線性變換,而不需要考慮非線性變換的具體形式?；贗CA和核技術(shù)的優(yōu)點(diǎn),在齒輪箱信號(hào)分析中應(yīng)用核獨(dú)立分量分析方法。其特點(diǎn)是利用重構(gòu)核希爾伯特空間(ReproducingKernelHilbertSpace,RKHS)內(nèi)的非線性函數(shù)作為對(duì)比函數(shù),將信號(hào)從低維空間映射到高維空間,并運(yùn)用核方法在該空間內(nèi)搜索對(duì)比函數(shù)的最小值。該函數(shù)與常用的互信息有一定的相關(guān)性,并且擁有較好的數(shù)學(xué)性質(zhì),另外該函數(shù)空間適用于各種不同分布的源,因此,KICA方法相比傳統(tǒng)的ICA方法具有更好的靈活性和魯棒性。1.2信號(hào)的精確表達(dá)EMD能根據(jù)信號(hào)自身的特點(diǎn),將信號(hào)分解成從高到低不同頻率、不等帶寬的若干分量信號(hào)的和,這些分量信號(hào)稱為固有模式函數(shù)(IntrinsicModeFunction,IMF),對(duì)每個(gè)IMF進(jìn)行Hilbert變換就可以得到信號(hào)的瞬時(shí)頻率和幅值,從而給出信號(hào)隨時(shí)間和頻率變化的精確表達(dá),可用于對(duì)信號(hào)的局部行為做出精確的描述。EMD的根本目的是求信號(hào)的瞬時(shí)頻率,為了獲得信號(hào)某一時(shí)刻的瞬時(shí)頻率值,它自適應(yīng)地利用了信號(hào)在該時(shí)刻的局部信息,以一種全新的角度詮釋了信號(hào)的局瞬特性,特別適用于分析頻率隨時(shí)間變化的非平穩(wěn)信號(hào),是對(duì)以Fourier變換為基礎(chǔ)的線性、穩(wěn)態(tài)頻譜分析的一個(gè)重大突破。2基于emd的故障復(fù)雜性分析結(jié)合EMD算法的優(yōu)越性,提出了基于KICA算法的階次EMD方法,具體步驟為:首先,應(yīng)用KICA算法對(duì)測(cè)取的齒輪箱瞬態(tài)聲信號(hào)進(jìn)行分離,得到包含故障信息的源信號(hào);然后對(duì)源信號(hào)進(jìn)行階次分析角域重采樣,并對(duì)得到的角域信號(hào)進(jìn)行EMD分解得到各IMF分量;最后對(duì)包含故障信息的分量分析處理(可以采樣進(jìn)行倒譜分析或包絡(luò)譜分析),提取故障特征階次,從而對(duì)故障部件進(jìn)行準(zhǔn)確定位。該方法的原理如圖1所示。3瞬態(tài)聲信號(hào)分離和重建以齒輪箱在升速狀態(tài)下的軸承外圈裂紋故障為例進(jìn)行試驗(yàn)驗(yàn)證。齒輪箱變速測(cè)試系統(tǒng)由調(diào)速電動(dòng)機(jī)、某型單級(jí)傳動(dòng)齒輪箱、聯(lián)軸器、磁粉負(fù)載、聲強(qiáng)傳感器、轉(zhuǎn)速扭矩傳感器和LMS分析儀組成,其中軸承為6206深溝球軸承,在不影響軸承正常使用性能的情況下,采用線切割的方法在一個(gè)外圈內(nèi)表面沿著軸向加工一道寬0.5mm,深1.5mm的小槽來(lái)模擬外圈局部裂紋故障。調(diào)節(jié)調(diào)速電動(dòng)機(jī)使齒輪箱轉(zhuǎn)速由0升至1200r/min,同步測(cè)取瞬態(tài)聲信號(hào)和轉(zhuǎn)速信號(hào)并進(jìn)行分析,采樣帶寬為6.4kHz,采樣頻率為12800Hz,采樣時(shí)間約為2s。利用加速過(guò)程中的瞬態(tài)聲信號(hào)進(jìn)行分離試驗(yàn)。經(jīng)計(jì)算可得軸承外圈裂紋故障的倒階次為O?c=100.6°Ο^c=100.6°。齒輪箱輸入軸轉(zhuǎn)速曲線如圖2所示,從圖中可以看出,轉(zhuǎn)速在2s內(nèi)加速至大約20Hz(極對(duì)數(shù)為1),是一個(gè)加速的瞬態(tài)過(guò)程。測(cè)取的其中一路瞬態(tài)聲信號(hào)如圖3所示,其中包含了大量的干擾成分。為了驗(yàn)證KICA算法的優(yōu)越性,進(jìn)行了對(duì)比分析。首先直接對(duì)圖3信號(hào)進(jìn)行EMD分解,分解后各IMF分量如圖4所示。然后對(duì)圖4中的各IMF分量做頻譜分析,分解后的頻譜圖如圖5所示,圖中各分量的頻譜圖按照由高頻到低頻的順序排列,符合EMD的分解規(guī)律,但由于這些信號(hào)為瞬態(tài)信號(hào),直接對(duì)其進(jìn)行FFT頻譜分析會(huì)產(chǎn)生“頻率模糊”現(xiàn)象,所以需要采用階次分析,將時(shí)域信號(hào)轉(zhuǎn)換成角域信號(hào),以滿足FFT的要求。實(shí)測(cè)瞬態(tài)聲信號(hào)的角域重采樣信號(hào)如圖6所示,圖7為角域信號(hào)經(jīng)EMD分解后的各IMF分量。取出第3個(gè)IMF分量,并對(duì)其做階次倒譜,如圖8所示。因?yàn)楣收咸卣鞅荒芰枯^大的齒輪嚙合信號(hào)和其他干擾所湮沒(méi),從圖中仍然看不到明顯的外圈裂紋故障特征,所以需要采用KICA算法進(jìn)行處理。選取2路實(shí)測(cè)的瞬態(tài)聲信號(hào),如圖9所示。這2路實(shí)測(cè)瞬態(tài)聲信號(hào)經(jīng)KICA算法分離后得到的信號(hào)如圖10所示,提取第1路信號(hào)進(jìn)行階次分析,得到角域重采樣信號(hào),如圖11所示。對(duì)分離后的角域信號(hào)進(jìn)行EMD分解得到各IMF分量,其中的IMF3分量圖如圖12所示。再對(duì)IMF3分量進(jìn)行階次倒譜分析,結(jié)果如圖13所示。從圖13中可以明顯地看到反映軸承外圈裂紋故障特征成分(峰值5),說(shuō)明經(jīng)過(guò)KICA算法處理后,極大地提高了信號(hào)信噪比,也驗(yàn)證了基于KICA算法的階次EMD方法在處理齒輪箱瞬態(tài)聲信號(hào)中的有效性,可以對(duì)齒輪箱軸承故障特征