一种改进经验模态分解轴承振动分析方法及系统技术方案

本发明专利技术涉及一种改进经验模态分解轴承振动分析方法及系统。首先对信号进行能量分离来处理非事件性模态混叠的方法，然后将分离的信号分别进行事件性模态混叠处理，得到待分解的信号，再利用单调一致性原则消除经验模态分解中的端点效应，从而得到最后的轴承振动分解信号。本发明专利技术能够提高轴承振动信号分解精度，使得分析效率增高，更加便于工程实践中使用。

【技术实现步骤摘要】
一种改进经验模态分解轴承振动分析方法及系统
本专利技术涉及轴承振动分析领域，特别是涉及一种改进经验模态分解轴承振动分析方法及系统。
技术介绍
在1998年美国国家宇航局的NordenEHuang提出了一种针对非平稳、非线性信号的新方法，它的基本思想是通过对非平稳信号进行经验模式分解(EMD,EmpiricalModeDecomposition)，将信号分解成一系列本征模态函数(IMF,IntrinsicModeFunction)，利用了EMD分解和连续均值筛选的方法，论证了EMD分解的完备性和正交性。随着研究的不断深入，EMD发展逐步形成了自己的理论体系，成了非线性和非平稳性信号的分析的新时频分析方法，并广泛应用于旋转机械振动信号分析领域。但是轴承振动信号具有很强的非线性和非平稳特征，从国内外经验模态分解方法的研究情况来看，经验模态分解的本身存在模态混叠现象和端点效应现象，导致基于轴承振动信号进行状态监测、故障诊断和趋势预测的研究都存在很多的限制。所谓模态混叠是指不能根据时间特征尺度有效的分离模态成分，使得在一个固有模态函数中，含有不只一个模态分量，从而不能清楚的反映信号的内在固有性质。模态混叠分为事件模态混叠和非事件模态，事件模态极易导致局部极值现象，使EMD分解精度降低，严重时EMD分解会失效。而非事件模态混叠是指在几个频率共存的混合信号中，不能将某几个频率信号正确分离的现象。端点效应则是在使用EMD分解时，由于信号的极大值和极小值计算信号的包络线时端点处是否是极值难以确定而产生的，端点效应会产生EMD分解难以收敛的问题。由于上述的不足，导致经验模态方法在进行轴承振动信号分析时存在一定的限制，因此改进EMD算法具有重大意义。
技术实现思路
针对上述问题，本专利技术提供一种改进经验模态分解轴承振动分析方法及系统。为实现上述目的，本专利技术提供了如下方案：一种改进经验模态分解轴承振动分析方法，包括：将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号；判断所述第一高能量信号和所述第一低能量信号是否存在事件性模态；若是，则按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号；若否，则直接采用经验模态分解方法分解所述第一高能量信号和所述第一低能量信号；在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号；判断所述第二低能量信号是否存明显的波形特征；若是，则将所述第二高能量信号和所述第二低能量信号进行希尔伯特黄变换，得到变换图谱，结束整个分解过程；若否，则将所述第二低能量信号赋值给所述轴承振动信号再一次进行分解，直到低能量信号分解之后存在明显的特征或者待分解信号不满足经验模态分解的条件，再将得到的低能量信号进行希尔伯特黄变换得到变换图谱，结束整个分解过程。可选的，所述将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号，具体包括：将轴承振动信号利用奇异值分解，得到第一高能量信号和第一低能量信号。可选的，所述按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号，具体包括：基于时间特征尺度平稳度和基于极值差平稳度的联合平稳度方法确定事件性模态的产生的时间域；根据时间域采用奇异值去噪方法，去除所述第一高能量信号和所述第一低能量信号的事件性模态。可选的，所述在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号，具体包括：在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，对于每一次分解时利用信号的单调性一致原则来抑制端点效应，得到第二高能量信号和第二低能量信号。一种改进经验模态分解轴承振动分析系统，包括：第一分解模块，用于将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号；第一判断模块，用于判断所述第一高能量信号和所述第一低能量信号是否存在事件性模态；事件性模态处理模块，用于当所述第一高能量信号和所述第一低能量信号存在事件性模态时，按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号；第二分解模块，用于当所述第一高能量信号和所述第一低能量信号不存在事件性模态时，直接采用经验模态分解方法分解所述第一高能量信号和所述第一低能量信号；端点效应抑制模块，用于在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号；第二判断模块，用于判断所述第二低能量信号是否存明显的波形特征；希尔伯特黄变换模块，用于当所述第二低能量信号存在明显的波形特征，将所述第二高能量信号和所述第二低能量信号进行希尔伯特黄变换，得到变换图谱，结束整个分解过程；第三分解模块，用于当所述第二低能量信号不存在明显的波形特征，将所述第二低能量信号赋值给所述轴承振动信号再一次进行分解，直到低能量信号分解之后存在明显的特征或者待分解信号不满足经验模态分解的条件，再将得到的低能量信号进行希尔伯特黄变换得到变换图谱，结束整个分解过程。可选的，所述第一分解模块，具体包括：第一分解单元，用于将轴承振动信号利用奇异值分解，得到第一高能量信号和第一低能量信号。可选的，所述事件性模态处理模块，具体包括：时间域确定单元，用于基于时间特征尺度平稳度和基于极值差平稳度的联合平稳度方法确定事件性模态的产生的时间域；去除单元，用于根据时间域采用奇异值去噪方法，去除所述第一高能量信号和所述第一低能量信号的事件性模态。可选的，所述端点效应抑制模块，具体包括：端点效应抑制单元，用于在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，对于每一次分解时利用信号的单调性一致原则来抑制端点效应，得到第二高能量信号和第二低能量信号。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术首先根据在相同的时间内不同幅值或者不同频率的轴承振动信号具有不同的能量，提出对轴承振动信号进行能量分离来处理非事件性模态混叠，然后将分离的轴承振动信号分别进行事件性模态混叠处理，得到待分解的信号，再消除经验模态分解中的端点效应，从而得到最后的分解信号。本专利技术具有下列区别于传统方法的显著优势：(1)针对非事件模态处理方法，克服了在无法知道目标频率情况下无法添加掩盖频率的阻碍。(2)针对事件模态处理方法，比常用的EEMD方法具有更高的精确度和需要的时间更少。(3)针对端点效应的处理方法，相比传统方法具有更高的精确性和所需要的时间更少。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图本文档来自技高网...

【技术保护点】
1.一种改进经验模态分解轴承振动分析方法，其特征在于，包括：/n将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号；/n判断所述第一高能量信号和所述第一低能量信号是否存在事件性模态；/n若是，则按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号；/n若否，则直接采用经验模态分解方法分解所述第一高能量信号和所述第一低能量信号；/n在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号；/n判断所述第二低能量信号是否存明显的波形特征；/n若是，则将所述第二高能量信号和所述第二低能量信号进行希尔伯特黄变换，得到变换图谱，结束整个分解过程；/n若否，则将所述第二低能量信号赋值给所述轴承振动信号再一次进行分解，直到低能量信号分解之后存在明显的特征或者待分解信号不满足经验模态分解的条件，再将得到的低能量信号进行希尔伯特黄变换得到变换图谱，结束整个分解过程。/n

【技术特征摘要】
1.一种改进经验模态分解轴承振动分析方法，其特征在于，包括：
将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号；
判断所述第一高能量信号和所述第一低能量信号是否存在事件性模态；
若是，则按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号；
若否，则直接采用经验模态分解方法分解所述第一高能量信号和所述第一低能量信号；
在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号；
判断所述第二低能量信号是否存明显的波形特征；
若是，则将所述第二高能量信号和所述第二低能量信号进行希尔伯特黄变换，得到变换图谱，结束整个分解过程；
若否，则将所述第二低能量信号赋值给所述轴承振动信号再一次进行分解，直到低能量信号分解之后存在明显的特征或者待分解信号不满足经验模态分解的条件，再将得到的低能量信号进行希尔伯特黄变换得到变换图谱，结束整个分解过程。


2.根据权利要求1所述的改进经验模态分解轴承振动分析方法，其特征在于，所述将轴承振动信号进行分解，得到第一高能量信号和第一低能量信号，具体包括：
将轴承振动信号利用奇异值分解，得到第一高能量信号和第一低能量信号。


3.根据权利要求1所述的改进经验模态分解轴承振动分析方法，其特征在于，所述按照事件性模态处理方法处理所述第一高能量信号和所述第一低能量信号，具体包括：
基于时间特征尺度平稳度和基于极值差平稳度的联合平稳度方法确定事件性模态的产生的时间域；
根据时间域采用奇异值去噪方法，去除所述第一高能量信号和所述第一低能量信号的事件性模态。


4.根据权利要求1所述的改进经验模态分解轴承振动分析方法，其特征在于，所述在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，通过抑制端点效应，得到第二高能量信号和第二低能量信号，具体包括：
在对所述第一高能量信号和所述第一低能量信号进行经验模态分解时，对于每一次分解时利用信号的单调性一致原则来抑制端点效应，得到第二高能量信号和第二低能量信号。


5.一种改进经验模态分解轴承振动分析系统，其特征在于，包括：
第一分解模块，用于将轴承振...

【专利技术属性】
技术研发人员：王广斌，罗军，弓满锋，吕莹，王腾强，黄赞，隋广州，王小卉，
申请(专利权)人：岭南师范学院，
类型：发明
国别省市：广东;44