经验模态分解在机械设备故障诊断应用研究概述

当机械设备出现故障时,其振动信号中除了故障信号外,还混有能量较大的背景信号和噪声,表现出很强的非线性非平稳特征,利用传统的时域或频域方法很难有效的进行故障诊断。经验模态分解是一种自适应的信号处理方法,主要应用于非线性非平稳信号的分析。本文介绍了经验模态分解方法的原理及处理步骤,结合机械设备状态监测和故障诊断,论述了经验模态分解方法在滤波降噪、特征提取和状态识别中的应用情况．     

基于EMD与功率谱分析的滚动轴承故障诊断方法研究

针对西部油田大型设备故障信号的非线性、非平稳特征,提出一种基于经验模态分解方法EMD（empirical mode decomposition）和功率谱的分析方法。首先对滚动轴承振动信号进行经验模态分解,然后对分解后包含轴承故障特征信息的固有模态函数分量作功率谱分析,得到各分量的功率谱图,清晰直观显示出故障特征信号的功率谱,从混有背景信号和噪声的振动信号中提取轴承故障信息。由于EMD方法具有自适应特性,适宜于非线性、非平稳信号的分解,该方法应用于滚动轴承的故障振动信号分析中,结果表明,该方法能够突出滚动轴承振动信号的故障特征,从而提高滚动轴承故障诊断的准确性。     

基于EMD和HT时频分析方法的滚动轴承故障诊断

针对滚动轴承故障信号的非线性非平稳特征,提出一种基于EMD和HT的时频分析方法。首先对滚动轴承振动信号进行经验模态分解,然后对分解后的固有模态函数分量作希尔波特变换,得到各分量的时频图,清晰直观地显示出信号的时频分布,从而比较方便地从混有背景信号和噪声的振动信号中提取轴承故障信息。通过现场应用,证明了该方法的有效性。