設(shè)定的分解次數(shù)n，重復(fù)步驟（i)、（ ii )n次，且要求每次加入新的正態(tài)分 布白噪聲；
[00511 (iv )分解得到的頂F分量共計(jì)2n組，將這2n組頂F分量相加后除以2n，求其平均，得 到1組頂F分量。
[0052]正態(tài)分布白噪聲的幅值為信號(hào)x(t)的標(biāo)準(zhǔn)差乘以系數(shù)f，其中0〈f〈l，當(dāng)分解次數(shù)η 取100,系數(shù)f的取值范圍是〇.〇l〈f〈〇.5。在實(shí)際應(yīng)用中，添加白噪聲的幅值的系數(shù)根據(jù)預(yù)處 理后信號(hào)所含噪聲的大小進(jìn)行調(diào)整，信號(hào)內(nèi)所含噪聲越大CEEMD分解時(shí)所添加的白噪聲幅 值的系數(shù)越大；
[0053] (4)提取分解出的IMF分量的頻率信號(hào)，做出每個(gè)IMF分量的頻譜圖；
[0054] (5)根據(jù)頻率與幅值的對(duì)應(yīng)關(guān)系檢查是否存在嚴(yán)重的模態(tài)混疊，即多個(gè)不同頻率 的細(xì)節(jié)信號(hào)是否被分解到同一IMF分量?jī)?nèi)，如果存在嚴(yán)重的模態(tài)混疊，則返回步驟(3)，此時(shí) 需要重新確定分解次數(shù)n，否則轉(zhuǎn)入步驟(6);
[0055] (6)若同一頻率的信號(hào)(尤其是在低頻段信號(hào))被自適應(yīng)分解到相鄰的MF分量?jī)?nèi)， 則對(duì)出現(xiàn)模態(tài)混疊的部分利用WPT變換進(jìn)行修正，對(duì)同一頂F分量?jī)?nèi)的不同頻率的信號(hào)進(jìn)行 分離，再將相同頻率的信號(hào)時(shí)域上相加，即可提取出所需頻率信號(hào)。
[0056]如圖2所示，首先仿真一個(gè)信號(hào)s(t)是由低頻正弦分量yl(t)與高頻間斷信號(hào)y2 (1：)疊加而成即8(1:)=71+72，其中
[0057] yl = sin(2〇3i*t)0 < t < 1 (1) " 0 0<,^<1 0.22 0.5 0.52<r<0.8 0.82</<l;
[0058] v2= (2) sin(50(k*n 0.2 <t< Q.Z1 0.5 </<0.52 0.8<r<0.82
[0059] 仿真信號(hào)采樣頻率為1kHz，采樣時(shí)間為Is。分別采用EMD和CEEMD對(duì)仿真信號(hào)s(t) 進(jìn)行分解，分解次數(shù)為50次，添加白噪聲幅值標(biāo)準(zhǔn)差為仿真信號(hào)的0.1倍，結(jié)果分別如圖3、 圖4所示，由圖3可見(jiàn)，兩個(gè)頻率相差很大的信號(hào)被EMD分解到同一個(gè)分量即MF1內(nèi)，出現(xiàn)了 模態(tài)混疊現(xiàn)象。圖4可以看出CEEMD分解得到的頂F1很好的提取出高頻間斷信號(hào)且幅值只有 很小的改變；MF2、IMF3含有少量的兩個(gè)源信號(hào)，出現(xiàn)了少量的模態(tài)混疊現(xiàn)象；IMF4提取出 低頻正弦信號(hào)。對(duì)頂F1和y2(t)做相關(guān)性分析可以達(dá)到97.12%。從而驗(yàn)證了CEEMD有效的抑 制了 EMD的模態(tài)混疊缺點(diǎn)。
[0060] 再以實(shí)際振動(dòng)信號(hào)為例，采用0R0S R3X系的動(dòng)態(tài)信號(hào)分析儀對(duì)臥式螺旋離心機(jī) (簡(jiǎn)稱(chēng)臥螺離心機(jī))在工作轉(zhuǎn)速運(yùn)行階段的振動(dòng)信號(hào)進(jìn)行測(cè)試實(shí)驗(yàn)。采樣頻率為12.8kHz，采 樣時(shí)間為20s，臥螺離心機(jī)相關(guān)參數(shù)如表1所示。圖5是采集得到的時(shí)域信號(hào)。
[0061] 主1
[0062]
[0063]為了對(duì)臥螺離心機(jī)工作頻率即1階分量55Hz進(jìn)行提取，首先選擇對(duì)采集到的振動(dòng) 信號(hào)進(jìn)行FFT變換做出其頻譜圖如圖6所示，根據(jù)采樣頻率及信號(hào)的頻譜圖進(jìn)行WPT預(yù)處理。 [0064] WPT預(yù)處理后的信號(hào)頻譜圖如圖7所示，可以看出預(yù)處理后高頻噪聲部分被消除， 為下一步CEEMD分解提取出有用的頻率段，并從頻譜圖中得到每個(gè)頻率成分與幅值的對(duì)應(yīng) 關(guān)系。
[0065] 將預(yù)處理后的信號(hào)進(jìn)行CEEMD自適應(yīng)分解，經(jīng)過(guò)多次試驗(yàn)，選擇分解重復(fù)步驟次 數(shù)。取分解次數(shù)η為50，添加的白噪聲的幅值標(biāo)準(zhǔn)差為WPT預(yù)處理后的0.1倍。由于CEEMD自適 應(yīng)分解后的IMF分量是根據(jù)頻率段從高到低依次排列下來(lái)，圖8、圖9分別分解后的IMF6、 頂F7、頂F8三個(gè)分量的時(shí)域圖和頻譜圖。
[0066]根據(jù)MF分量的頻譜圖中的頻率與幅值對(duì)應(yīng)關(guān)系，與預(yù)處理后的信號(hào)頻譜圖7進(jìn)行 對(duì)比，可以看出CEEMD自適應(yīng)分解后，在低頻部分相鄰的MF分量還是存在少量的模態(tài)混疊 部分，55Hz的信號(hào)被自適應(yīng)的分解到頂F7、頂F8兩個(gè)分量?jī)?nèi)。
[0067]對(duì)存在的少量模態(tài)混疊部分再次運(yùn)用WPT進(jìn)行處理，利用WPT的局部分析能力，對(duì) IMF7中的頻率段再進(jìn)行分解，將55Hz與2倍頻110Hz分離，再將分離出的55Hz的信號(hào)加入到 頂F8中從而達(dá)到對(duì)1階分量的提取。提取出的55Hz分量的時(shí)域頻譜圖如圖10所示。
[0068]通過(guò)以仿真實(shí)驗(yàn)與實(shí)際振動(dòng)信號(hào)的分解結(jié)果可以看出，CEEMD自適應(yīng)分解雖然有 效的改善了EMD在含有間斷點(diǎn)信號(hào)中的模態(tài)混疊問(wèn)題，但在低頻部分依然存在少量的頻率 混疊，針對(duì)此問(wèn)題再次結(jié)合WPT予以修正，通過(guò)與計(jì)算所得的頻率進(jìn)行對(duì)比，良好的實(shí)現(xiàn)了 軸承故障診斷。
[0069]以上實(shí)施例僅為說(shuō)明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是 按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍 之內(nèi)。
【主權(quán)項(xiàng)】
1. 基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于，包括以下步驟： (1) 采集旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)； (2) 對(duì)采集的振動(dòng)信號(hào)進(jìn)行FFT變換，再使用WPT變換對(duì)信號(hào)進(jìn)行消噪處理； (3) 對(duì)消噪處理后的信號(hào)進(jìn)行CEEMD自適應(yīng)分解； (4) 提取分解出的IMF分量的頻率信號(hào)，做出每個(gè)IMF分量的頻譜圖； (5) 若多個(gè)不同頻率的細(xì)節(jié)信號(hào)被分解到同一IMF分量?jī)?nèi)，則說(shuō)明存在嚴(yán)重的模態(tài)混 疊，此時(shí)返回步驟(3)，否則轉(zhuǎn)入步驟(6); (6) 若同一頻率的信號(hào)被自適應(yīng)分解到相鄰的IMF分量?jī)?nèi)，則對(duì)出現(xiàn)模態(tài)混疊的部分利 用WPT變換進(jìn)行修正后，提取出特征信號(hào)。2. 根據(jù)權(quán)利要求1所述基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于，步驟(2) 中使用WPT變換對(duì)信號(hào)進(jìn)行消噪處理的具體過(guò)程： (a) 選擇一個(gè)小波基并確定分解的層次后，對(duì)信號(hào)進(jìn)行小波包分解； (b) 對(duì)于給定的熵標(biāo)準(zhǔn)，確定最優(yōu)小波包基； (c )對(duì)最優(yōu)小波包基的系數(shù)進(jìn)行閾值量化； (d)對(duì)閾值量化后的小波包系數(shù)進(jìn)行重構(gòu)，得到重構(gòu)信號(hào)。3. 根據(jù)權(quán)利要求1所述基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于，步驟(3) 的具體過(guò)程： (i)分別向消噪處理后的信號(hào)x(t)中加入一組等長(zhǎng)度的、給定標(biāo)準(zhǔn)差的、符號(hào)正負(fù)相反 的正態(tài)分布白噪聲，從而形成兩個(gè)新信號(hào)； (? )對(duì)加入白噪聲后的兩個(gè)信號(hào)分別進(jìn)行EMD分解，得到其各自的IMF分量； (iii)根據(jù)設(shè)定的分解次數(shù)n，重復(fù)步驟（i)、（ii)n次，且要求每次加入新的正態(tài)分布白 噪聲； (iv )分解得到的頂F分量共計(jì)2n組，將這2n組頂F分量相加后除以2n，求其平均，得到1 組頂F分量。4. 根據(jù)權(quán)利要求3所述基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于:所述正 態(tài)分布白噪聲的幅值為信號(hào)X (t)的標(biāo)準(zhǔn)差乘以系數(shù)f，其中0〈f〈 1。5. 根據(jù)權(quán)利要求4所述基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于：當(dāng)分解 次數(shù)η取100時(shí)，系數(shù)f的取值范圍是0.01〈f〈0.5。6. 根據(jù)權(quán)利要求3所述基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，其特征在于:在步驟 (5)中，如果存在嚴(yán)重的模態(tài)混疊，在返回步驟(3)時(shí)，需要重新確定分解次數(shù)η。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了基于WPT-CEEMD的旋轉(zhuǎn)機(jī)械特征提取方法，首先運(yùn)用WPT良好的局部分析能力對(duì)噪聲部分進(jìn)行消除或者對(duì)有用頻率段進(jìn)行提取，再進(jìn)行CEEMD自適應(yīng)分解，最后對(duì)分解后存在的少量頻率混疊部分再次利用WPT予以修正，從而實(shí)現(xiàn)對(duì)特征頻率信號(hào)的提取。本發(fā)明將WPT與CEEMD相結(jié)合，克服了在現(xiàn)有故障診斷方法中存在頻率混疊、不具有自適應(yīng)性等缺點(diǎn)。
【IPC分類(lèi)】G01M7/02, G01H17/00
【公開(kāi)號(hào)】CN105547627
【申請(qǐng)?zhí)枴緾N201610060829
【發(fā)明人】張永宏, 陶潤(rùn)喆, 王麗華, 趙曉平, 謝陽(yáng)陽(yáng)
【申請(qǐng)人】南京信息工程大學(xué)
【公開(kāi)日】2016年5月4日
【申請(qǐng)日】2016年1月28日