第 卷第 期
年 月
江苏科技大学学报自然科学版
Journal of Jiangsu University of Science and TechnologyNatural Science Edition
Vol No
Jun
基 于 集 合 经 验 模 态 及 其 瞬 时 能 量 密 度 谱
的 齿 轮 故 障 诊 断
陆金铭 孟繁林 申华 丁立斌 鲍苏宁
江苏科技大学 能源与动力工程学院 江苏镇江
摘要 齿面故障产生的信号比较微弱对齿轮箱体振动信号进行频谱分析很难找出其故障特征频率本文提出一种集合
经验模态及其瞬时能量密度谱的故障诊断新方法集合经验模式分解方法可减少模态混叠并有效提取各经验模态分析其
Hilbert 谱从瞬时能量密度谱中可发现齿轮转频及其倍频成份以及啮合频率和调制形成的边频对齿轮点蚀故障实测信
号分析表明这种方法是可行的
关键词 集合经验模态瞬时能量密度齿轮故障诊断
中图分类号 THTH文献标志码 A文章编号
Gear fault diagnosis based on ensemble empirical mode
and instantaneous energy density spectrum
Lu Jinming Meng Fanlin Shen Hua Ding Libin Bao Suning
School of Energy and Power Engineering Jiangsu University of Science and Technology Zhenjiang Jiangsu China
Abstract The signal of gear face fault is very weak in gear body vibration and the fault characteristic frequency
is difficult to be found in Fourier spectrumA new gear fault diagnosis method based on ensemble empirical mode
decomposition EEMD and instantaneous energy density spectrum is proposed hereThe intrinsic mode func
tions IMFs generated by EEMD can alleviate the problem of mode mixing and approach the real IMFsThe ro
tating frequency and its doubling are found in the instantaneous energy density of Hilbert spectrumMeshing fre
quency can be clearly seen in modulated conditionThe effectiveness of this method is demonstrated by analysis
real gear fault signal
Key words ensemble empirical mode decomposition instantaneous energy density gear fault diagnosis
收稿日期
作者简介 陆金铭 男浙江绍兴人副教授研究方向为动力机械故障诊断EmailLjmLjmcom
齿轮故障诊断通常用小波分解及经验模态分
解empirical mode decomposition EMD 等方法
对分解出的各分量进行分析提取各种参数利
用各种分类手段进行故障诊断
齿面故障产
生的信号比较弱且为短时冲击作用的非线性非
平稳信号加上其它振动信号的调制作用有用
信号成份一般淹没在调制信号及噪声中故障诊
断较困难
HilbertHuang 变 换 应 用 EMD 分 解 理 论 将
信号分解成相互独立的若干固有模态函数 in
trinsic mode function IMF的和并对每个 IMF 进
行 Hilbert 变换得到信号的瞬时频率和幅值由此
构成 Hilbert 谱给出了信号随时间和频率变化的
精确 表 达 因 而 可 以 精 确 描 述 信 号 的 局 部 行
为
EMD 是一种自适应信号分解方法主要应用
于非线性非平稳的信号是继傅立叶谱分析和小波
分析之后出现的功能强大的数据分析方法得到广
泛的研究和应用但 EMD 分解出来的 IMF 分量中
常出现模态混合即同一个 IMF 分量中包含着尺
度分布范围很宽而又各不相同的信号或是在不同
的 IMF 分量中包含着尺度相近的信号模态混合
造成的后果是使 IMF 分量不再具有原来单一的特
征时间尺度变成尺度混杂的振荡从而失去原有