专利名称：基于lmd和局域时频熵的旋转机械故障特征提取方法
技术领域：
本发明涉及一种机械工程领域的机械故障诊断方法，具体说本发明是一种基于LMD和局域时频熵的旋转机械故障特征提取方法。
背景技术：
现今，工业生产逐步向大型化、高速化、自动化和智能化方向迈进，生产企业所使用的主要设备中，旋转类设备约占80 %，这些设备能否正常运行关系到企业的巨大经济利益，如若某台设备出现故障又未能及时发现和排除，可能带来巨大的安全隐患，甚至灾难性的后果。因此，研究和应用旋转机械状态监测与故障诊断技术，对于保障生产安全、避免事故和巨额经济损失、提高设备安全管理水平，具有重要的意义。
旋转机械设备运行时，其振动信号一般是非常复杂的，各种振动因素综合起来，得到的机械系统的振动信号必然是非平稳非线性的多分量信号，特别是在出现故障的情况下，具有明显的非线性非平稳特性，其频谱随时间有较大变化，而且不同的非平稳特性也预示着不同的机械故障形式。目前，对这类非平稳信号的分析处理方法很多，常见的时频分析方法有短时傅里叶变换、Wigner分布、小波变换、经验模态分解(Empirical ModeDecomposition,简称EMD)等，但它们都有各自的局限性，如短时傅里叶变换的时频窗口大小是固定不变的；Wigner分布对多分量信号进行分析时会产生交叉项；小波变换虽具有可变的时频窗口 [9]，但和短时傅里叶变换一样是对时频面的机械格型分割，本质上它不是一种自适应的信号处理方法；EMD是一种自适应的信号处理方法，自提出后在机械故障诊断等很多领域中都得到了应用，但在理论上还存在一些问题，如EMD方法中的过包络、欠包络、模态混叠、端点效应、利用HiIbert变换计算瞬时频率产生无法解释的负频率等问题，均处在研究之中。
发明内容
本发明的目的是克服上述方法在机械故障诊断中的不足，提供一种基于LMD和局域时频熵的旋转机械故障特征提取方法。为了实现上述目的，本发明的技术方案是一种基于LMD和局域时频熵的旋转机械故障特征提取方法，其步骤包括步骤一利用加速度传感器对旋转机械设备进行测量，获得振动加速度信号；步骤二 对振动加速度信号进行LMD分解,得到若干PF分量,求出各分量的瞬时幅值和瞬时频率；步骤三做出时频谱图，划分时频平面，计算局域时频熵；步骤四用局域时频熵值作为特征量，结合实验来提取故障特征。上述基于LMD和局域时频熵的旋转机械故障特征提取方法，在所述步骤二中，对振动加速度信号进行LMD分解的过程步骤如下I)求局部均值函数mn (t)，找出加速度信号X (t)所有的局部极值点叫，求出所有相邻的局部极值点的平均值，然后将所有相邻的平均值点用直线连接起来，并用滑动平均法进行平滑处理，得到Hl11 (t);2)求包络估计函数an (t)，计算相邻局部极值点的包络估计值，将所有相邻两个包络估计值％用直线连接，然后采用滑动平均方法进行平滑处理，得到an(t)；3)将局部均值函数mn (t)从原始信号x(t)中分离出来，得到滤掉低频信号的hn(t)；4)用hn(t)除以包络估计函数an(t)以对hn(t)进行解调，得到S11 (t)；5)对sn(t)重复步骤1Γ4)，直至满足I-Λ彡aln(t) ^ 1+Δ (变动量Λ〈1)，则迭代过程终止，否则需要继续重复步骤1Γ4)；6)把步骤I广4)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a!(t)；7)将包络信号ajt)和纯调频信号sln(t)相乘便可以得到原始信号的第一个PF分量PF1⑴；8)将第一个PF分量PF1⑴从原始信号x(t)中分离出来，得到一个新的信号Ul(t)dfUl(t)作为原始数据x(t)重复步骤1Γ7)，循环k次，直到uk为一个单调函数为止，则原始信号X (t)分解为k个PF分量和一个单调函数Uk之和。上述基于LMD和局域时频熵的旋转机械故障特征提取方法，在所述步骤三中，将时频平面等分为KXL个面积相等的时频块，按照不同频段将整个时频平面划分为若干个面积相等的时频段，将每一个时频段的时频熵定义为局域时频熵，第h时频段的局域时频熵定义为
权利要求
1.一种基于LMD和局域时频熵的旋转机械故障特征提取方法，其特征在于其步骤包括 步骤一利用加速度传感器对旋转机械设备进行测量，获得振动加速度信号； 步骤二 对振动加速度信号进行LMD分解，得到若干PF分量，求出各分量的瞬时幅值和瞬时频率； 步骤三做出时频谱图，划分时频平面，计算局域时频熵； 步骤四用局域时频熵值作为特征量，结合实验来提取故障特征。
2.根据权利要求I所述的一种基于LMD和局域时频熵的旋转机械故障特征提取方法，其特征在于在所述步骤二中，对振动加速度信号进行LMD分解的过程步骤如下 1)求局部均值函数mn(t)，找出加速度信号X (t)所有的局部极值点rv求出所有相邻的局部极值点的平均值，然后将所有相邻的平均值点用直线连接起来，并用滑动平均法进行平滑处理，得到mn⑴； 2)求包络估计函数an(t)，计算相邻局部极值点的包络估计值，将所有相邻两个包络估计值％用直线连接，然后采用滑动平均方法进行平滑处理，得到an(t)； 3)将局部均值函数mn(t)从原始信号x(t)中分离出来，得到滤掉低频信号的hn(t)； 4)用hn(t)除以包络估计函数an(t)以对hn(t)进行解调，得到S11(t)； 5)对sn(t)重复步骤1Γ4)，直至满足I-Λ彡aln(t)( 1+Δ (变动量Λ〈1)，则迭代过程终止，否则需要继续重复步骤1Γ4); 6)把步骤1Γ4)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a!(t)； 7)将包络信号B1(t)和纯调频信号Sln(t)相乘便可以得到原始信号的第一个PF分量PF1(t)； 8)将第一个PF分量PF1(t)从原始信号x(t)中分离出来，得到一个新的信号U1 (t)，将U1 (t)作为原始数据x(t)重复步骤1Γ7)，循环k次，直到uk为一个单调函数为止，则原始信号x(t)分解为k个PF分量和一个单调函数Uk之和。
3.根据权利要求I所述的一种基于LMD和局域时频熵的旋转机械故障特征提取方法，其特征在于在所述步骤三中，将时频平面等分为KXL个面积相等的时频块，按照不同频段将整个时频平面划分为若干个面积相等的时频段，将每一个时频段的时频熵定义为局域时频熵，第h时频段的局域时频熵定义为
全文摘要
本发明公开了一种基于LMD和局域时频熵的旋转机械故障特征提取方法，其技术方案的要点是，它包括如下步骤1.利用加速度传感器对旋转机械设备进行测量，获得振动加速度信号；2.对振动加速度信号进行LMD分解，得到若干PF分量，求出各分量的瞬时幅值和瞬时频率；3.做出时频谱图，划分时频平面，计算局域时频熵；4.用局域时频熵值作为特征量，结合实验来提取故障特征。本发明实现了基于LMD的旋转机械故障诊断系统的分析过程，研究不同状态下设备的振动信号在时频分布上能量分布的差异，将局域时频熵理论引入机械故障诊断，将不同状态下的振动信号经LMD变换后再进行局域时频熵计算，并以此作为特征量来判断设备是否存在故障。
文档编号G01M99/00GK102866027SQ201210286639
公开日2013年1月9日 申请日期2012年8月13日 优先权日2012年8月13日
发明者孟宗, 李珊珊 申请人:燕山大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
