eemd方法在旋转机械中转子故障诊断的应用[外文翻译].doc
约14页DOC格式手机打开展开
eemd方法在旋转机械中转子故障诊断的应用[外文翻译],附件c：译文eemd方法在旋转机械中转子故障诊断的应用yaguolei_, zhengjiahe,yanyangzi西安交通大学制作系统工程国家重点实验室，中国西安咸宁西路28号，邮编710049摘要：基于实验的模式分解（emd）是对非线性和非静止信号的自适应分析方法。它能够把复杂的信号分解成基于信号的本地时间尺度的i...
内容介绍
此文档由会员 qs_f5t2xd 发布
附件C：译文
EEMD方法在旋转机械中转子故障诊断的应用
YaguoLei _, ZhengjiaHe,YanyangZi
西安交通大学制作系统工程国家重点实验室，中国西安咸宁西路28号，邮编710049
摘要：
基于实验的模式分解（EMD）是对非线性和非静止信号的自适应分析方法。它能够把复杂的信号分解成基于信号的本地时间尺度的IMFs的集合。EMD分析方法已经引起相当大的重视程度，并且最近被广泛的运用于旋转机器的故障诊断。但是，由于模式的混合，它不能确切的显示信号的特有信息。为了缓解在EMD中的模式混合的问题，整体基于实验的模式分解（EEMD）应运而生。用EEMD方法，具有真正物理意义的成分可以从信号中提取出来。使用EEMD的一些优点，这个报告提出了一个新的基于EEMD的旋转机器的故障检测的方法。首先，用一个模拟信号去测试基于EEMD方法的功能，然后这个提出来的新方法被用在一个有摩擦影响的发电机和一个早期有摩擦影响的重型石油催化裂化机械设备，最后，通过比较用EEMD和用EMD得到的结果表单，被提出来的基于EEMD方法的优越性通过提取旋转机器的错误特征信息就被证明了。
关键字：
整体基于实验的模式分解 实验模式分解 固有模式方程 旋转机械 故障诊断
1引言
在机械装备中，旋转机械覆盖了很大的范围，并且在工业应用中扮演着很重要的较色。随着科技的高速发展，现代工业中的旋转机械越来越大，越来越精确，自动化程度也越来越高，而要找到它潜在的故障也变得越困难。因此，最近几年提高可靠性的需求在旋转机械的故障诊断中引起了广泛的关注。因为摩擦信号带有大量的表征机械装备运行条件的信息，所以，在旋转机械的故障诊断中，基于摩擦信号的处理技术是最重要的工具之一。通过信号处理技术，错误特征信息就能从摩擦信号中提取出来。然而，它也是对发展的一个挑战，并且采用能够从摩擦信号提取出准确的故障信号的有效的信号处理技术。
传统的信号处理技术包括时域分析和傅里叶变换，它们已被证明在旋转机械故障诊断中是有效的。但是这些技术都是建立在过程产生的信号是静止和线性的假设基础之上的。当对机械故障信号运用这些方法的时候，通常都会得到错误的信息，因为，自然的机械故障是非静止的。为了处理这些非静止的信号，微波转换这样的时域分析发已经被应用在旋转机械的故障诊断上，并且在最经十年得到越来越多的重视。但是非自适应的微波转换方法有他的确点，就是它的分析结果取决于基频微波的选择。这可能导致对检测到的摩擦信号的主观的先验的假设。结果，与基频微波的形状吻合的很好的信号的特征才有可能大的系数值。其它特征的信号就被缩小或被忽略了。
EEMD方法在旋转机械中转子故障诊断的应用
YaguoLei _, ZhengjiaHe,YanyangZi
西安交通大学制作系统工程国家重点实验室，中国西安咸宁西路28号，邮编710049
摘要：
基于实验的模式分解（EMD）是对非线性和非静止信号的自适应分析方法。它能够把复杂的信号分解成基于信号的本地时间尺度的IMFs的集合。EMD分析方法已经引起相当大的重视程度，并且最近被广泛的运用于旋转机器的故障诊断。但是，由于模式的混合，它不能确切的显示信号的特有信息。为了缓解在EMD中的模式混合的问题，整体基于实验的模式分解（EEMD）应运而生。用EEMD方法，具有真正物理意义的成分可以从信号中提取出来。使用EEMD的一些优点，这个报告提出了一个新的基于EEMD的旋转机器的故障检测的方法。首先，用一个模拟信号去测试基于EEMD方法的功能，然后这个提出来的新方法被用在一个有摩擦影响的发电机和一个早期有摩擦影响的重型石油催化裂化机械设备，最后，通过比较用EEMD和用EMD得到的结果表单，被提出来的基于EEMD方法的优越性通过提取旋转机器的错误特征信息就被证明了。
关键字：
整体基于实验的模式分解 实验模式分解 固有模式方程 旋转机械 故障诊断
1引言
在机械装备中，旋转机械覆盖了很大的范围，并且在工业应用中扮演着很重要的较色。随着科技的高速发展，现代工业中的旋转机械越来越大，越来越精确，自动化程度也越来越高，而要找到它潜在的故障也变得越困难。因此，最近几年提高可靠性的需求在旋转机械的故障诊断中引起了广泛的关注。因为摩擦信号带有大量的表征机械装备运行条件的信息，所以，在旋转机械的故障诊断中，基于摩擦信号的处理技术是最重要的工具之一。通过信号处理技术，错误特征信息就能从摩擦信号中提取出来。然而，它也是对发展的一个挑战，并且采用能够从摩擦信号提取出准确的故障信号的有效的信号处理技术。
传统的信号处理技术包括时域分析和傅里叶变换，它们已被证明在旋转机械故障诊断中是有效的。但是这些技术都是建立在过程产生的信号是静止和线性的假设基础之上的。当对机械故障信号运用这些方法的时候，通常都会得到错误的信息，因为，自然的机械故障是非静止的。为了处理这些非静止的信号，微波转换这样的时域分析发已经被应用在旋转机械的故障诊断上，并且在最经十年得到越来越多的重视。但是非自适应的微波转换方法有他的确点，就是它的分析结果取决于基频微波的选择。这可能导致对检测到的摩擦信号的主观的先验的假设。结果，与基频微波的形状吻合的很好的信号的特征才有可能大的系数值。其它特征的信号就被缩小或被忽略了。
