LMD时频分析方法的端点效应在旋转机械故障诊断中的影响

中国机械工程 ›› 2012, Vol. 23 ›› Issue (8): 951-956.

LMD时频分析方法的端点效应在旋转机械故障诊断中的影响

任达千1,2;杨世锡1;吴昭同1;严拱标1

1.浙江大学,杭州,310027
2.浙江机电职业技术学院,杭州,310053

出版日期:2012-04-25 发布日期:2012-05-10
基金资助:
国家高技术研究发展计划(863计划)资助项目(2007AA04Z424）;浙江省自然科学基金资助项目(Y1110582);浙江机电职业技术学院孵化基金资助项目(04090341）
National High-tech R&D Program of China (863 Program) （No. 2007AA04Z424）;
Zhejiang Provincial Natural Science Foundation of China（No. Y1110582）

#br# Research on End Effect of LMD Based Time-frequency Analysis in Rotating Machinery Fault Diagnosis

Ren Daqian1,2;Yang Shixi1;Wu Zhaotong1;Yan Gongbiao1

1.Zhejiang University,Hangzhou,310027
2.Zhejiang Institute of Mechanical and Electrical Engineering,Hangzhou,310053

Online:2012-04-25 Published:2012-05-10
Supported by:

National High-tech R&D Program of China (863 Program) （No. 2007AA04Z424）;
Zhejiang Provincial Natural Science Foundation of China（No. Y1110582）

摘要/Abstract

摘要：

为评估局域均值分解(LMD)受端点效应影响的程度,提出了一种基于能量的端点效应评价指标,并将LMD的端点效应与经验模态分解(EMD)的端点效应进行了比较。因包络线的定义方法不同,LMD在端点附近未定义的包络线较短,端点效应的程度也较轻。提出的端点效应镜像延拓抑制方法经仿真证明效果良好。将LMD应用于提取转子裂纹的故障特征，可获得满意的实验结果。


关键词: 旋转机械, 故障诊断, 转子裂纹, 局域均值分解, 端点效应 

Abstract:

An index was developed based on energy for evaluating the end effect of LMD.The end effects of LMD and EMD(empirical mode decomposition) were compared.Because the envelop definition was different,in LMD the undefined envelop near border was shorter than that in EMD.LMD end effect is not as seriously as EMD.A mirror extension method was developed to reduce the end effect.The simulation results are quite good.LMD is applied in cracked rotor diagnosis,and the experimental results are also quite good.

Key words: rotating machinery, fault diagnosis, cracked rotator, local mean decomposition(LMD), end effect

中图分类号:

任达千1, 2, 杨世锡1, 吴昭同1, 严拱标1. LMD时频分析方法的端点效应在旋转机械故障诊断中的影响[J]. 中国机械工程, 2012, 23(8): 951-956.

LIN Da-Qian-1, 2, YANG Shi-Ti-1, TUN Zhao-Tong-1, YAN Gong-Biao-1. #br# Research on End Effect of LMD Based Time-frequency Analysis in Rotating Machinery Fault Diagnosis[J]. China Mechanical Engineering, 2012, 23(8): 951-956.

[1]	罗洁思, 于德介, 史美丽. 基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断 [J]. J4, 201016, 21(16): 1947-1951.
[2]	郑近德, 王兴龙, 潘海洋, 童靳于, 刘庆运. 基于自适应自相关谱峭度图的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(07): 778-785，792.
[3]	陈换过, 刘培君, 俞杭, 肖雪. 基于改进PCA-SOM的电静压伺服作动器油滤堵塞故障诊断[J]. 中国机械工程, 2021, 32(07): 799-805.
[4]	丁嘉鑫;王振亚;姚立纲;蔡永武. 广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断[J]. 中国机械工程, 2021, 32(02): 147-155.
[5]	杨路航1;李宝庆1;王平2,3;王健2,3;杨宇1. 基于概率输出弹性凸包的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(01): 40-46.
[6]	万书亭;彭勃;王晓龙. 基于双时域变换和稀疏编码收缩的滚动轴承早期故障诊断方法[J]. 中国机械工程, 2020, 31(23): 2829-2836.
[7]	李锋1;程阳洋1,2;陈勇1;汤宝平3. 用于旋转机械状态趋势预测的量子注意力循环编码解码神经网络[J]. 中国机械工程, 2020, 31(21): 2573-2582.
[8]	孟宗;刘子涵;吕蒙. 基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断[J]. 中国机械工程, 2020, 31(20): 2420-2428.
[9]	王振亚;姚立纲. 广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法[J]. 中国机械工程, 2020, 31(20): 2463-2471.
[10]	蔡艳平;范宇;陈万;张金明. 改进时频分析和特征融合在内燃机故障诊断中的应用[J]. 中国机械工程, 2020, 31(16): 1901-1911.
[11]	姜少飞;邬天骥;彭翔;李吉泉;李治;孙涛. 基于XGBoost特征提取的数据驱动故障诊断方法[J]. 中国机械工程, 2020, 31(10): 1232-1239.
[12]	陈雪峰, 郭艳婕, 许才彬, 商红兵. [学科发展]风电装备故障诊断与健康监测研究综述[J]. 中国机械工程, 2020, 31(02): 175-189.
[13]	刘洋;刘晓波;梁珊. 基于傅里叶分解方法的航空发动机转子故障诊断[J]. 中国机械工程, 2019, 30(18): 2156-2163.
[14]	李从志;郑近德;潘海洋;刘庆运. 基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J]. 中国机械工程, 2019, 30(14): 1713-1719,1726.
[15]	刘兆伦1,2;张春兰2;武尤2;王海羽2;刘彬1,2. 一种增量式贝叶斯算法及篦冷机故障诊断[J]. 中国机械工程, 2019, 30(10): 1163-1171.