局部均值分解及其在機(jī)械故障診斷中的應(yīng)用研究.pdf

1、工程中故障振動(dòng)信號(hào)一般都為非線性非穩(wěn)態(tài)的信號(hào)，其振動(dòng)頻率會(huì)隨著時(shí)間不斷的發(fā)生變化，傳統(tǒng)的傅里葉變換(Fourier Transform，F(xiàn)T)只能得到振動(dòng)信號(hào)的頻率分布范圍，不能辨別信號(hào)頻率發(fā)生突變的時(shí)間點(diǎn)。短時(shí)傅里葉變換及后來(lái)發(fā)展起來(lái)的Gabor變換還有同期發(fā)展起來(lái)的Wignar-Ville分布(WVD)都是利用窗函數(shù)對(duì)原始信號(hào)進(jìn)行截取，且其所加窗函數(shù)是固定不變的，在分析多分量信號(hào)時(shí)，WVD在時(shí)頻譜上會(huì)出現(xiàn)交叉項(xiàng)。小波變換的窗函數(shù)寬度

2、可以隨其在時(shí)間軸上平移而發(fā)生變化，但小波變換本質(zhì)上是對(duì)原始信號(hào)的機(jī)械截取，仍缺乏對(duì)信號(hào)分解的自適應(yīng)性。1998年N.E.Huang提出一種新的時(shí)頻分析方法希爾伯特-黃變換，2005年J.S.Smith提出另一種新的時(shí)頻分析方法方法——局部均值分解(Local Mean Decomposition，LMD)，都是對(duì)以傅里葉變換為基礎(chǔ)的線性穩(wěn)態(tài)譜分析的一個(gè)重大突破。
　　LMD是一種自適應(yīng)的時(shí)頻分析方法，可以將振動(dòng)信號(hào)分解為一組頻率從

3、高到低自動(dòng)排列的乘積函數(shù)（Product Function，PF），PF分量是一個(gè)包絡(luò)值為1的調(diào)頻函數(shù)和一個(gè)包絡(luò)函數(shù)的乘積。LMD方法對(duì)信號(hào)的分解方式很好地解決了以往時(shí)頻分析方法對(duì)信號(hào)的機(jī)械劃分的問(wèn)題，從而使分解結(jié)果更準(zhǔn)確。文章對(duì)LMD方法原理及方法中存在的問(wèn)題進(jìn)行了詳細(xì)的介紹，并著重針對(duì)LMD方法的端點(diǎn)效應(yīng)進(jìn)行了改進(jìn)。將LMD方法與Teager能量算子和1.5維譜相結(jié)合，使?jié)L動(dòng)軸承的故障特征頻率更明顯;LMD方法與增強(qiáng)包絡(luò)譜結(jié)合，并提