机械转子动静碰摩故障的EMD分解Hilbert包络谱分析.docx

机械转子动静碰摩故障的EMD分解Hilbert包络谱分析
标题：机械转子动静碰摩故障的EMD分解Hilbert包络谱分析
摘要：
机械转子在运行过程中会产生动静碰摩故障，给设备运行和可靠性带来严重影响。为了诊断和分析机械转子动静碰摩故障，本文采用了经验模态分解（EmpiricalModeDecomposition，简称EMD）和Hilbert包络谱分析方法。通过将信号经过EMD分解得到的多个固有模态函数，再对各个固有模态函数进行Hilbert变换得到其包络谱，可以得到转子故障的特征信息。实验结果表明，该方法能够有效地提取出机械转子动静碰摩故障的频率特征，并用于故障诊断和预测。
关键词：机械转子；动静碰摩故障；经验模态分解；Hilbert包络谱分析
1.引言
机械转子作为重要的工程设备，其运行状态对设备的可靠性和安全性起着至关重要的作用。然而，在运行过程中常常会出现动静碰摩故障，如轴承磨损、齿轮啮合问题等，给设备的运行和可靠性带来了严重的影响。因此，诊断和分析机械转子动静碰摩故障成为了工程领域的重要研究方向。
2.经验模态分解（EMD）原理
经验模态分解是一种局域性自适应信号分解方法，可以将任意形态的信号分解为一组固有模态函数（IntrinsicModeFunctions，简称IMFs）。IMFs满足两个条件：在信号的任意点处，上下两个极大值和极小值的个数相等或者相差为1；在整个数据序列中，极大值和极小值的总个数必须至少是3。经过EMD分解后，可以将信号分解为多个具有不同频率和振幅的分量。
3.Hilbert包络谱分析原理
Hilbert包络分析是一种用于提取信号包络的方法。通过对信号进行Hilbert变换，可以得到信号的解析希尔伯特包络。希尔伯特包络谱（HilbertEnvelopeSpectrum，简称HES）描述了信号振幅随时间变化的特性。在机械转子故障诊断中，通过对IMFs进行Hilbert变换得到每个IMF的包络谱，可以提取出故障产生的不同频率特征。
4.实验分析
通过实验采集机械转子的振动信号，将信号进行EMD分解并计算每个IMF的HES，得到了不同频率分量的包络谱。根据包络谱的特征，可以准确提取出转子故障频率，并与实际故障情况进行对比分析。实验结果表明，该方法能够有效地提取出机械转子动静碰摩故障的频率特征，并用于故障诊断和预测。
5.结论
本文采用了EMD分解和Hilbert包络谱分析方法，对机械转子动静碰摩故障进行了诊断和分析。实验结果表明，该方法能够有效地提取出转子故障的频率特征，并用于故障诊断和预测。在实际应用中，该方法具有一定的工程实用性和可行性，可以提高机械转子的可靠性和安全性。
参考文献：
[1]HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[J].ProceedingsoftheRoyalSocietyofLondon.SeriesA:Mathematical,PhysicalandEngineeringSciences,1998,454(1971):903-995.
[2]HuangNE,WuMLC,QuW,etal.ApplicationsofHilbert-Huangtransformtonon-stationaryfinancialtimeseriesanalysis[J].AppliedStochasticModelsinBusinessandIndustry,2003,19(3):245-268.