基于BEMD的全矢包络谱旋转机械故障诊断

"BEMD全矢包络谱及其在TRT故障诊断中的应用" 本文主要探讨了一种基于全矢包络谱的旋转机械故障诊断新方法，特别关注于提高故障诊断的准确性和可靠性。该方法适用于高炉煤气余压透平发电装置（TRT）这类大型旋转机械的健康监测。在传统的一元信号处理方法如小波变换、经验模态分解（EMD）等基础上，文章提出利用全矢包络谱来融合多源信息，以减少漏判和误判的风险。 首先，方法的核心是二元经验模态分解（BEMD）。BEMD是对EMD的扩展，适用于处理二元信号，尤其适合分析旋转速度不同的信号。它能够将信号分解为一系列复固有模态函数分量（CIMFs），这些分量代表不同频率和时间尺度的信号成分。相较于一元信号处理方法，BEMD的优势在于它可以更精确地分离和解析不同速度旋转的信号，这对于分析像转子这样复杂的动态系统尤其关键。 在获取复数信号后，接下来的步骤是应用希尔伯特变换（HT）。HT可以对CIMFs进行解调，提取出复包络信号，这有助于揭示信号的瞬时振幅和频率信息。复包络信号包含了振动信号的非线性特征，对于故障诊断至关重要。 最后，通过全矢谱技术，将不同方向的复包络信号融合在一起，形成全矢包络谱。这种方法可以整合来自不同振动方向的信息，进一步提升故障特征的识别度。在实际应用中，该方法在柔性转子和TRT的故障诊断中得到了验证，证明了其有效性和实用性。 总结起来，本文介绍的全矢包络谱方法结合了BEMD、HT和信息融合技术，为旋转机械的故障诊断提供了一个强大的工具。这种方法不仅可以处理单个方向的振动信号，还能处理不同方向的信号，从而提高故障识别的准确性和鲁棒性，对于预防性的维护和保障设备的正常运行具有重要意义。