吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (02): 392-396.

• 论文 • 上一篇    下一篇

基于经验模式分解和广义维数的机械故障诊断

郝研1, 王太勇1,2, 万剑2, 张攀2, 刘路1   

  1. 1. 天津大学 精密仪器与光电子工程学院, 天津 300072;
    2. 天津大学 机械工程学院, 天津 300072
  • 收稿日期:2010-11-12 出版日期:2012-03-01 发布日期:2012-03-01
  • 通讯作者: 王太勇(1962-),男,教授,博士生导师.研究方向:智能诊断与动态测控.E-mail:tywang@139.com E-mail:tywang@139.com
  • 作者简介:郝研(1983-),男,博士研究生.研究方向:智能诊断与动态测控.E-mail:hy19831025@yahoo.com.cn
  • 基金资助:

    国家自然科学基金项目(50975193);国家科技重大专项(2009ZX04014-101-05).

Mechanical fault diagnosis based on empirical mode decomposition and generalized dimension

HAO Yan1, WANG Tai-yong1,2, WAN Jian2, ZHANG Pan2, LIU Lu1   

  1. 1. College of Precision Instrument and Opto-electronics Engineering, Tianjin University, Tianjin 300072, China;
    2. School of Mechanical Engineering, Tianjin University, Tianjin 300072, China
  • Received:2010-11-12 Online:2012-03-01 Published:2012-03-01

摘要: 结合经验模式分解方法和广义维数的特点,提出了基于经验模式分解和广义维数的机械故障诊断方法。先对信号进行经验模式分解,得到内禀模态函数,然后求每个内禀函数的广义维数,从中提取盒维数、信息维数和关联维数,组成广义维数矩阵。通过分析待检测信号和各样本信号的广义维数矩阵相关系数,判断故障状态。实验结果表明,该方法可以准确地识别机械故障状态,是一种有效的机械故障诊断手段。

关键词: 机械故障, 故障诊断, 经验模式分解, 广义维数, 内禀模态函数

Abstract: A method of mechanical fault diagnosis based on empirical mode decomposition (EMD) and generalized dimension was presented. The intrinsic mode function (IMF) was obtained from the EMD of the signal, and the generalized dimension was derived from every IMF. The box dimension, the information dimension, and the correlation dimension were extracted from the generalized dimension to make up the generalized dimension matrix. Fault diagnosis was implemented by analyzing the correlation factors of generalized dimension matrix between target signal and samples. The experiment results showed that this method with accurate fault recognition was efficient for fault diagnosis.

Key words: mechanical fault, fault diagnosis, empirical mode decomposition, generalized dimension, intrinsic mode function

中图分类号: 

  • TN911.72
[1] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proc R Soc Lond A, 1998, 454: 903-995.

[2] 赵艳菊,王太勇,任成祖,等.强噪声背景下的经验模式分解研究[J].振动与冲击, 2009, 28(3): 149-157. Zhao Yan-ju, Wang Tai-yong, Ren Cheng-zu, et al. Research on empirical mode decomposition of signals submerged in a heavy noise[J]. Journal of Vibration and Shock, 2009, 28(3):149-157.

[3] 赵艳菊,王太勇,冷永刚,等.级联双稳随机共振降噪下的经验模式分解[J].天津大学学报,2009,42(2):123-128. Zhao Yan-ju, Wang Tai-yong, Leng Yong-gang, et al. Empirical mode decomposition based on cascaded bistable stochastic resonance denoising[J]. Journal of Tianjin University, 2009, 42(2):123-128.

[4] Mandelbrot B B. The Fractal Geometry of Nature[M]. San Francisco: Freeman, 1982.

[5] Falconer K J. Fractal Geometry: Mathematical Foundation and Applications[M]. Chichester: John Wiley & Sons Ltd, 1990.

[6] 赵莹,高隽,陈果,等.一种基于分形理论的多尺度多方向纹理特征提取方法[J].仪器仪表学报,2008,29(4):787-791. Zhao Ying, Gao Jun, Chen Guo, et al. Multi-scale and multi-orientation texture feature extraction method based on fractal theory [J]. Chinese Journal of Scientific Instrument, 2008, 29(4):787-791.

[7] 王荣本,顾柏园,郭烈,等.基于分形盒子维数的车辆定位和识别方法[J].吉林大学学报:工学版,2006,36(3):331-335. Wang Rong-ben, Gu Bai-yuan, Guo Lie, et al. Vehicle location and identification method based on fractal box dimensionality[J]. Journal of Jilin University (Engineering and Technology Edition), 2006, 36(3):331-335.

[8] 徐玉秀,钟建军,闻邦椿.旋转机械动态特性的分形特征及故障诊断[J].机械工程学报, 2005, 41(12): 186-189. Xu Yu-xiu, Zhong Jian-jun, Wen Bang-chun. Fractal fault diagnosis and classification to modal characteristic of rotor system[J]. Chinese Journal of Mechanical Engineering, 2005, 41(12):186-189.

[9] 苑宇,马孝江.局域波时频域多重分形在故障诊断中的应用[J].振动与冲击, 2007, 26(5):60-63. Yuan Yu, Ma Xiao-jiang. Fault diagnosis using multifracals in local wave time-frequency domain[J]. Journal of Vibration and Shock, 2007, 26(5):60-63.

[10] 李国宾,段树林,于洪亮,等.发动机振动信号特征参数的多重分形研究[J].内燃机学报,2008,26(1):87-91. Li Guo-bin, Duan Shu-lin, Yu Hong-liang, et al. Study on characteristic parameters of engine vibration signal based on multi-fractal[J]. Transaction of CSICE, 2008, 26(1):87-91.

[11] 樊福梅,梁平,吴庚申.基于分形盒维数的汽轮机转子振动故障诊断的实验研究[J].核动力工程,2006,27(1):85-89. Fan Fu-mei, Liang Ping, Wu Geng-shen. Experimental research on stream-turbine rotor vibration fault diagnosis based on the fractal box counting dimension[J]. Nuclear Power Engineering, 2006, 27(1):85-89.

[12] Huang N E, Shen Z, Long S R. A new view of nonlinear water waves: the Hilbert spectrum[J]. Annu Rev Fluid Mech, 1999, 31: 417-457.
[1] 王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[2] 宋大凤, 李广含, 张琳, 潘冰, 曾小华, 彭宇君, 王庆年. 模糊逻辑在混合动力汽车电机故障检测中的应用[J]. 吉林大学学报(工学版), 2016, 46(2): 354-359.
[3] 宋宝玉,解志杰,张锋,王瑞泽,郝明晖,苏代忠. 基于角度域同步平均和阶次分析的低速斜齿轮故障诊断[J]. 吉林大学学报(工学版), 2015, 45(2): 454-459.
[4] 陶涛,徐洪泽. 高速列车浸入与不变自适应容错控制方法[J]. 吉林大学学报(工学版), 2015, 45(2): 554-561.
[5] 欧阳丹彤,迟晋进,王晓宇,赵相福,孟祥宇. 一种高阶离散事件系统的诊断方法[J]. 吉林大学学报(工学版), 2015, 45(2): 562-568.
[6] 吴坚, 赵阳, 何睿. 基于支持向量机回归算法的电子机械制动传感器系统故障诊断[J]. 吉林大学学报(工学版), 2013, 43(05): 1178-1183.
[7] 陈筠翰1,秦贵和1,2,于赫1,黄玥1. 基于OSEK/VDX直接NM规范的车载网络系统[J]. 吉林大学学报(工学版), 2011, 41(05): 1407-1413.
[8] 孔繁森,吴雅夫,李聪. 基于信息熵的设备电气故障诊断复杂性评价[J]. 吉林大学学报(工学版), 2011, 41(03): 697-701.
[9] 夏红伟, 凌明祥, 李莉, 马闯, 王礼. 不确定网络控制系统鲁棒故障诊断[J]. 吉林大学学报(工学版), 2010, 40(02): 501-0505.
[10] 刘玉梅,苏建,曹晓宁,熊伟,宋学忠. 基于模糊数学的汽车悬架系统故障诊断方法[J]. 吉林大学学报(工学版), 2009, 39(增刊2): 220-0224.
[11] 郑蕊蕊,赵继印,王志男,吴宝春 . 基于改进灰色聚类分析的电力变压器故障诊断[J]. 吉林大学学报(工学版), 2008, 38(05): 1237-1241.
[12] 赵继印;郑蕊蕊;刘宇 . 基于梯形灰色聚类分析的电力变压器故障诊断
[J]. 吉林大学学报(工学版), 2008, 38(03): 726-0730.
[13] 赵艳菊;王太勇;徐跃;曹康平;张攀;邓辉 . 基于双CPU的便携式故障诊断仪的设计与开发[J]. 吉林大学学报(工学版), 2008, 38(03): 557-0560.
[14] 贺湘宇,何清华 . 基于有源自回归模型与模糊C-均值聚类的挖掘机液压系统故障诊断[J]. 吉林大学学报(工学版), 2008, 38(01): 183-187.
[15] 廖庆斌,李舜酩,覃小攀 . 车辆振动信号的特征提取方法比较[J]. 吉林大学学报(工学版), 2007, 37(04): 910-915.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!