Hilbert-Huang变换在干式真空泵故障诊断中的应用.docx

Hilbert-Huang变换在干式真空泵故障诊断中的应用
引言
干式真空泵是目前广泛应用于半导体、太阳能、涂装、医疗设备、航空航天等领域的一种重要设备。干式真空泵具有结构简单、维护方便、低噪音、高效率等优点，能够满足现代高科技领域对真空度、干燥度和清洁度的精确要求。然而，干式真空泵在使用过程中可能会出现各种故障，如轴承磨损、电机异常、泵腔堵塞、电子元件故障等。因此，灵敏和准确的故障诊断技术对于维护干式真空泵的正常运行具有重要的意义。
Hilbert-Huang变换（HHT）是一种新兴的非平稳、非线性信号分析方法，在处理具有复杂时频结构的非平稳信号时具有独特的优势。本文介绍了HHT的基本原理及其在干式真空泵故障诊断中的应用。首先，我们将简要介绍HHT的基本原理和算法流程；然后，我们将结合干式真空泵的工作原理和常见故障，重点阐述HHT在干式真空泵轴承磨损和电机异常检测中的应用；最后，我们将对HHT的应用进行总结和展望。
Hilbert-Huang变换简介
Hilbert-Huang变换由黄钺、桑明达等人于1995年首次提出，是一种将信号分解为本征模态函数（EMD）的技术，以及对本征模态函数进行希尔伯特变换（HT）的技术。HHT是一种非平稳、非线性信号分析方法，已经在许多领域得到了广泛的应用，如机械故障检测、生物信号分析、电力系统监测等。
HHT的基本原理是对原始信号进行一系列分解，得到各个固有振动模态，再对每个固有振动模态进行快速傅里叶变换（FFT），得到对应的频谱。该方法的关键在于本征模态函数的提取。EMD的基本思想是将非平稳信号分解为若干个具有瞬时频率变化的本征模态函数，这些本征模态函数的数量是相同的，并且它们的和就是原始信号。EMD的算法流程如下：
1.将原始信号拆分为上限和下限包络线
2.计算上限和下限包络线的平均值得到均值线
3.将均值线与原始信号相减，得到一次本征模态函数
4.将计算得到的一次本征模态函数作为新的原始信号，重复上述步骤，直到分解的本征模态函数数目满足条件
得到本征模态函数后，可以对每个本征模态函数进行希尔伯特变换，得到瞬时频率随时间变化的相位信息，进而得到信号的时频结构。
干式真空泵故障诊断中的应用
干式真空泵的工作原理是通过电机带动转子转动，使得泵腔内的气体按照一定流程循环流动，从而实现连续抽气的过程。在工作过程中，干式真空泵可能会出现多种类型的故障，其中轴承磨损和电机异常是常见的故障类型。下面我们将讨论HHT在这两类故障诊断中的应用。
轴承磨损故障诊断
干式真空泵轴承磨损可能导致噪声、振动等问题，从而影响其正常工作。为了检测轴承磨损，通常需要对振动或噪声信号进行分析。基于FFT的频域分析方法可以很好地检测故障频率，但是不能提供信号的时域信息，无法描述信号的时频特性。因此，HHT被广泛应用于干式真空泵的轴承磨损故障诊断。
HHT可以将干式真空泵振动信号分解为若干个本征模态函数（IMF），每个IMF表示不同频率范围内的振动分量，并能够显示信号在时间域和频率域上的瞬时特性。图1是一个干式真空泵振动信号的HHT分解结果，其中1~8分别表示8个IMF，Residual表示分解后的余项。从图1中可以看出，该振动信号主要包含两个频段，分别是1-3Hz和3-6Hz。通过对不同频段内信号的分析，可以得到故障频率，进而判断是否存在轴承磨损故障。因此，HHT可以提供更准确、更详细的干式真空泵振动信号分析结果，有助于准确诊断轴承磨损故障。
图1干式真空泵振动信号的HHT分解结果
电机异常故障诊断
电机异常是干式真空泵常见的故障之一，可能导致输出功率下降、效率降低等问题。为了检测电机异常，通常需要对干式真空泵电流信号进行分析。传统的频域分析方法可以很好地检测故障频率，但是因为电流信号具有比较复杂的时频结构，所以如果仅仅使用FFT进行分析，无法提供信号的时域信息，难以描述不同频率分量的瞬时特征。
HHT能够将电流信号分解为若干个本征模态函数，每个本征模态函数具有不同的瞬时频率和能量分布，可以显示信号在时间域和频率域上的瞬时特性。图2是一个干式真空泵电流信号的HHT分解结果，其中1~8分别表示8个IMF，Residual表示分解后的余项。从图2中可以看出，该电流信号具有非常丰富的时频结构，每个IMF对应不同频率范围内的电流分量。通过对不同IMF的分析，可以得到电流信号在不同频率范围内的时频瞬时特性，进而判断是否存在电机异常故障。因此，HHT在干式真空泵电机异常检测中具有较大的应用潜力。
图2干式真空泵电流信号的HHT分解结果
总结与展望
本文介绍了Hilbert-Huang变换（HHT）的基本原理及其在干式真空泵故障诊断中的应用。通过对干式真空泵振动信号和电流信号的分析，我们发现HHT能够提供更准确、更详细的信号时频特性分析结