基于改进EMD的多绳摩擦提升机载荷信息特征提取

石瑞敏,杨兆建

(太原理工大学机械工程学院,山西太原 030024)

基于改进EMD的多绳摩擦提升机载荷信息特征提取

石瑞敏,杨兆建

(太原理工大学机械工程学院,山西太原 030024)

为解决多绳摩擦提升机有效提升载荷的间接识别问题,提出了一种基于振动信号分析处理的特征提取方法。该方法以主轴装置轴承处水平振动信号为对象,利用改进的经验模式分解(EMD)方法将振动信号分解为若干有效固有模态函数(IMFs),改善了经典EMD方法模态混叠与端点效应现象,选取各阶IMF的能量、方差贡献率与能量矩作为特征值,探讨了特征值与提升机有效载荷之间的内在联系。结果表明,该方法中分析信号的获取不改变提升机主轴系统结构,不影响提升机正常运行,易于实现长期在线监测,便于大量基础数据的采集,为提升载荷定量识别积累了样本数据。所选取的3个特征值从大小、权重及分布的角度较好地反映了提升载荷特征信息。

改进EMD;提升载荷;特征提取;振动分析

矿井提升设备作为煤矿生产中联系井上井下的纽带,是关系生产与人员安全的关键设备之一,一旦出现故障将造成巨大的经济损失甚至人员的伤亡。在诸类安全事故中,由于过装或未卸净引起的过卷、滑动甚至坠罐,以及由于罐道劣变等引起的卡绳、松绳甚至断绳等安全事故时有发生,而这些故障都可以直接或间接的由提升载荷反映出来。目前对提升载荷的动态检测方法主要有压轮法与直接测量法,前者通过将压轮推向工作过程中的钢丝绳,测得提升钢丝绳对压轮作用的压力从而计算得到提升载荷,在调整钢丝绳张力差方面得到了较好的应用效果[1]。后者将传感器安装于提升钢丝绳与提升容器间[2]或安装于提升容器器件间[3]直接测得提升载荷。两类方法均需要对提升系统结构进行改造,对传感器与监测系统安全可靠性要求较高。

振动信号是旋转机械故障特征信息的载体[4],笔者在对提升机主轴两侧轴承进行监测的过程中发现,提升载荷作用于钢丝绳,在提升过程中引发的振动将传导至滚筒乃至主轴,使得轴承处振动信号包含着提升载荷的重要信息。与提升设备其他系统相比,提升载荷的特征信号比较微弱,信噪比低,具有很强的非线性、非平稳及噪声特性,传统的信号处理方法在处理这类信号方面存在缺陷。如短时傅里叶变换对不同时段变化了的信号只能加相同的窗,不适应信号频率不断变化的不同要求;小波分析克服了傅里叶变化窗口不可调的缺点,提高了分辨率,但对小波窗内的信号平稳性提出要求,因为没有摆脱傅里叶变换的局限,并且存在信号能量泄露和非自适应性的缺点。经验模式分解(empirical mode decomposition, EMD)是1998年由黄锷等提出的可对非线性非平稳信号进行有效分析的信号处理方法[5]。由于其良好的局部特性与自适应性,EMD自提出以来被应用于地震信号[6－7]、语音识别[8]、故障诊断[9－11]等各个领域,并取得良好的效果。但是EMD方法仍旧存在一些不足,如模态混叠、端点效应、包络线选择及停止准则等[12－14]。本文旨在对EMD方法存在的问题进行改进,并在此基础上提出一种多绳摩擦提升机载荷信息特征提取方法的新思路,为进一步实现载荷定量识别提供理论依据。

1 改进的EMD方法

1.1 EMD理论及存在问题

EMD方法是一种适用于非线性、非平稳性信号的时频分析方法。此方法根据被分析信号本身特点构造基函数,自适应的选择频带,从局部时间尺度入手,确定信号在不同频段的分辨率,将复杂信号分解为具有不同尺度特征的固有模态函数(intrinsic mode functions,IMF),因此,该方法具有良好的局部适应性和时频分辨率,较好地克服了小波变换存在的问题。EMD方法实质上可看作截止频率与带宽随信号变化的带通滤波器,从数据的特征时间尺度入手对信号进行分解,原始信号x(t)经EMD分解后,得到有限数目IMF和一个剩余分量,即

其中,n为分解后IMF数量;ci(t)为分解得到的n组IMF分量,各分量均满足平稳性条件;r(t)为分解后的剩余分量。EMD方法因其在处理非线性非平稳性信号时表现出的良好特性,在实践中有大量应用,但是理论本身仍有以下需要完善的不足之处。

(1)在EMD分解过程中存在模态混叠现象,即同一频率信号被分解在不同的IMF中,或一个IMF中包含多个不同频率的信号。当原始信号中存在间隙性成分或脉冲成分时,模态混叠现象更为明显。

(2)EMD分解过程中采用极值点构造包络曲线,而被分析信号端点处往往非极值点,这就导致每个分解过程中都会在端点处产生拟合误差,随着分解进行,误差影响会逐步扩大。尤其是分解后期的低频IMF分量,端点效应现象更为明显,误差的累积和传播会导致分解结果的失真,产生虚假的IMF分量。

1.2 改进的EMD

针对以上提出的模态混叠、端点效应及虚假IMF分量的缺陷,提出采用集合经验模式分解(ensemble empirical mode decomposition,EEMD)方法改善模态混叠现象,利用镜像边界延拓与灰色预测模型延拓方法相结合来抑制端点效应,最后采用相关系数法剔除假IMF分量。

(1)EEMD算法是Zhaohua Wu和Huang提出的一种噪声辅助的数据分析方法[15],可以在不影响EMD自适应性的前提下减少模态混叠对EMD分解结果的影响。EEMD分解过程为:将高斯白噪声与原始信号叠加后进行多次EMD分解,由于高斯白噪声具有频率均匀分布的统计特性,使得不同尺度的信号成分自动分布到合适的参考尺度上,从而降低各IMF分量的模态混叠程度;并且由于零均值噪声的特性,经过足够多次平均运算处理后所加入的高斯白噪声将相互抵消,原始信号得到还原。

在应用EEMD方法时,有2个重要参数需要考虑:首先,对于所加入的高斯白噪声的幅值选取十分重要,如果幅值过小,可能不足以引起信号局部极值点的变化,使得白噪声的加入对EMD无作用;如果幅值过大,则会产生过多虚假IMF分量,使分解误差增大,甚至淹没原始信号特征使分解失真。其次,随着分解次数的增加所加入白噪声的幅值会随之降低,理论上,分解次数越大则分解误差越小,但是过大的分解次数代价是计算效率的降低,故应选取适当值。Huang[15]建议所加入白噪声的幅值可以由原始信号的标准差乘以一个系数(一般取0.2)来确定,信号中高频成分多时系数适当减小,反之则适当增大。分解次数可通过设置分解误差来确定。

(2)抑制端点效应多采用在原始信号两端通过一定方法增加信号长度,经HHT变换后再从结果中除去延长部分方法。目前所提出波形延拓、神经网络延拓、支持向量回归预测及边界极值延拓等方法,在一定程度上消除了端点效应的影响,但仍存在局限性。本文提出利用灰色预测模型与镜像延拓相结合的方法来抑制端点效应。根据被分析信号的特性,考虑到其发展过程与各影响因素是一种灰色不确定性关系,选取灰色动态预测模型GM(1,1)对信号进行延拓,此方法具有要求样本数据少、原理简单、计算量小、可检验等优点。具体延拓过程如下:

①以信号左端延拓为例,取靠近左端点处的5个极大(小)值组成原始序列,建立原始信号x(t)的灰色微分方程:

其中,a为发展灰数;b为内生控制灰数。二者由已知数据及最小二乘法确定,在此不赘述。求出a,b后可得预测模型:

②先用原始序列建立的GM(1,1)模型预测得到一个值,然后把这个值加入到原始序列中,同时剔除一个最远端数据,以新的原始序列重复步骤①,再预测下一个数值,循环进行直至达到要求的预测精度。为满足信号延拓要求,需要对数据极大值和极小值分别预测两个值。

③对信号右端进行相同处理,最后将延拓得到的端点值与原信号连接起来形成新的信号序列。在此基础上应用镜像延拓法,以预测得到的各端点作为镜像点进行延拓,从而得到较理想的延拓数据。

(3)EMD分解后得到的各IMF分量中,真实IMF分量与原始信号在理论上满足正交性,具有较大的相关系数,而虚假IMF分量与原始信号相关系数较小。因此,可通过计算IMF分量与原始信号的相关系数来识别并剔除虚假IMF分量。

2 改进EMD方法的信号消噪分频处理

运用改进的HHT方法对原始信号进行处理流程如图1所示,其步骤包括:

图1 改进的EMD处理流程Fig.1 Flowchart of improved EMD

(1)将原始信号x(t)加入一个正态分布的白噪声序列nj(t),使得x～(t)=x(t)+nj(t)。

(2)将得到的信号x～(t)进行EMD分解,过程中在求取信号极值点后,采用镜像与灰色预测模型相结合的方式对信号进行延拓,最终得到各IMF分量ci(t),i=1,2,3,…,n。

(3)重复步骤(1)2N次,每次加入新的随机正态分布的白噪声序列nj(t)。

(4)将N次分解得到的固有模态分量IMF做集成平均处理,当N足够大时,可使添加白噪声的影响趋近于0,进而得到IMF的最终结果。

(5)计算各IMF分量与原始信号的相关系数,以此为依据筛选有效IMF集。

(6)将有效IMF集重构信号,进行Hilbert变换。

为验证此方法的有效性,将3个频率分别为3, 11,16 Hz,幅值分别为1,0.4,0.9的正弦信号叠加,如下式:x(t)=sin(2π×3t)+0.4sin(2π×11t)+ 0.9sin(2π×16t),采样频率为500 Hz,采样长度1 000点,时域信号如图2所示。

图2 仿真信号时域Fig.2 Time-domain chart of simulation signal

对数据分别采用原始与改进EMD两种方法进行分析。图3为原始EMD分解结果与信号的Hilbert时频谱图,从图3(a),(b)可看出,IMF1由两种频率的正弦信号叠加,出现了明显的模态混叠现象,反映到图3(c)上,11与16 Hz谱线对应位置出现较大变形,未正确区分。另外从Hilbert时频谱中可看出,信号两端出现了明显的频率发散,并向信号内部传播,靠近边界处尤为严重,只有信号中间部分可以反映信号的特征。采用本文改进EMD方法对信号重新分解结果如图4所示,从图4(a),(b)EMD分解结果及频谱可以看出,相近频率11与16 Hz成功分解到两个IMF分量中,模态混叠现象得以解决,从图4(c)亦可看出,频率发散现象趋势变缓,端点效应得到抑制。

图3 原始EMD分解结果Fig.3 Decompose results of original EMD

图4 改进EMD分解结果Fig.4 Decompose results of improved EMD

3 基于IMF能量信息的提升载荷信息特征提取

反映提升机载荷信息的特征参数有电流、振动或直接测量钢丝绳张力等。当提升机上提和下放载荷时,提升容器的振动会通过钢丝绳作用于提升机从而反应在包括轴承与减速器的主轴系统上,由于载荷变化会引起轴承水平方向振动信号的波动,故本文拾取主轴装置两侧轴承水平方向振动信号,采用改进的EMD方法对振动信号中包含的载荷特征信息进行提取。经改进EMD处理后得到的有效IMF集中,各阶IMF分量所含的频率成分不同,阶数越低所含信号的高频成分则越多。各阶IMF分量的能量以及在整个频带上的能量分布能够刻画出信号的整体特征,因此,本文提出以IMF分量的能量变化作为参考依据提取载荷信息特征。

图5为某矿副立井型号为JKM 2.8×6(I)A的多绳摩擦提升机主轴系统,传感器布置在轴承座顶端,采集每个提升过程中水平方向(以图中X方向为正向)振动信号,采样频率500 Hz,截取匀速提升时6 s数据作为待分析信号。副立井主要负责运送人员、设备以及提升矸石等,故载荷情况较为复杂,每次提升载荷情况差别较大,本文以1号罐提升工况选取5组数据作为示例,载荷数据见表1。

图5 多绳摩擦提升机主轴装置传感器布置Fig.5 Sensors placement on spindle device of multi-rope hoist

表1 示例载荷数据Table 1 Load data of sampleskN

首先采用改进的EMD方法对被分析信号进行消噪分频处理,得到5阶有效IMF集,如图6所示。

图6 实测信号的改进EMD分解Fig.6 Improved EMD of actual signal

针对被测振动信号的非平稳性特点,当载荷发生变化时,其振动信号在各个频段的能量必将发生变化,而随着工况不同,经改进的EMD分解后的各有效IMF分量包含了不同频段的信息,为了更好地提取隐藏在信号中的载荷信息,选取IMF分量能量值,方差贡献率及能量矩从能量大小、权重和分布的角度对信号本质特征进行分析。其定义分别为

图7为各阶IMF分量特征值,各特征值随载荷的变化。从图7(a)可以看到,随着提升载荷总重的增加,第1阶IMF能量值呈上升趋势,但当提升载荷总重相近时,载荷总重大但载荷差小的工况第1阶IMF能量值反而小,需要从第2阶及以后的IMF能量上反映真实载荷情况;图7(b)为各阶IMF分量的方差贡献率,体现了各阶能量在总能量中的权重,可以看到能量主要集中于前两阶IMF分量中;还选取了能量矩作为表征载荷信息的特征值,如图7(c)所示,能量矩指标考虑到了IMF能量随时间t的分布情况,可以体现能量的分布特征。从上述分析可以得到,相对于不能完整快捷反映载荷信息的单一的能量指标,将可以体现能量的大小、权重及分布的指标结合起来,可以更好地揭示IMF集能量特征以及与载荷的对应关系,有利于后续的载荷识别与故障诊断。

图7 各阶IMF分量特征值Fig.7 Characteristic parameters of IMFs

4 结 论

(1)多绳摩擦提升机主轴装置轴承处水平振动信号中蕴含了提升载荷的一些特征信息。

(2)提出了一种改进的经验模态分解方法,仿真结果表明此方法改善了原始EMD方法存在的模态混叠、端点效应以及虚假IMF分量问题,快速准确的得到了有效IMF集,可用于其他类型信号的消噪分频处理。

(3)利用固有模态函数的能量值、方差贡献率与能量矩从能量大小、权重及分布3方面相结合作为提升载荷的主要特征,可以更好地反映提升载荷与振动信号的对应关系。

(4)特征提取是提升载荷识别和诊断中的重要一环,本文提出的方法可以在不改变提升主轴系统结构,不影响提升机正常运行的前提下有效提取多绳摩擦提升机提升载荷特征,可作为进一步建立提升载荷识别模型的依据,为提升载荷定量识别与监测提供了新思路。

[1] 杨兆建,贾长喜,王勤贤,等.多绳提升机钢丝绳张力动态测试调整研究[J].煤炭学报,1995,20(5):519－524.

Yang Zhaojian,Jia Changxi,Wang Qinxian,et al.Dynamic test and adjustment of wire-rope tension of multiple rope friction winder[J].Journal of China Coal Society,1995,20(5):519－524.

[2] 腾孝来,肖兴明,胡 明,等.多绳摩擦提升钢丝绳张力动态无线监测[J].煤矿机械,2008,29(5):207－208.

Teng Xiaolai,Xiao Xingming,Hu Ming,et al.Dynamic wireless tension monitoring of wire-rope of multiple friction winder[J].Coal Mine Machinery,2008,29(5):207－208.

[3] 邵海燕.多绳提升机载荷动态监测与提升安全研究[D].青岛:山东科技大学,2003.

Shao Haiyan.Study of the real-time monitoring and security of multiwire hoisting load[D].Qingdao:Shandong University of Science and Technology,2003.

[4] 鞠萍华,秦树人,秦 毅,等.多分辨EMD方法与频域平均在齿轮早期故障诊断中的研究[J].振动与冲击,2009,28(5):97－101.

Ju Pinghua,Qin Shuren,Qin Yi,et al.Research on earlier fault diagnosis of gear by method of multi-resolution empirical mode decomposition and frequency domain averaging[J].Journal of Vibration and Shock,2009,28(5):97－101.

[5] Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J].Proceedings of the Royal Society of London, 1998,454(A):903－995.

[6] Huang N E,Chern C C,Huang K,et al.A new spectral representation of earthquake data:Hilbert spectral analysis of Station TCU129, Chi-Chi,Taiwan,21 September 1999[J].Bulletin of the Seismological Society of America,2001,91(5):1310－1338.

[7] 石春香,罗奇峰.时程信号的Hilbert-Huang变换与小波分析[J].地震学报,2003,25(4):398－405.

Shi Chunxiang,Luo Qifeng.Hilbert-Huang transform and wavelet analysis of time history signal[J].Acta Seismologica Sinica,2003, 25(4):398－405.

[8] Aicha Bouzid,Noureddine Ellouze.Empirical mode decomposition of voiced speech signal[A].First International Symposium on Control, Communications and Signal Processing[C].2004:603－606.

[9] 程军圣,于德介,杨 宇,等.EMD方法在转子局部碰摩故障诊断中的应用[J].振动、测试与诊断,2006,26(1):24－27.

Cheng Junsheng,Yu Dejie,Yang Yu,et al.Application of EMD to local rub-impact fault diagnosis in rotor systems[J].Journal of Vibration Measurement&Diagnosis,2006,26(1):24－27.

[10] Bassiunya A M,Lib Xiaoli.Flute breakage detection during end milling using Hilbert-Huang transform and smoothed nonlinear energy operator[J].International Journal of Machine Tools and Manufac-ture,2007,47(6):1011－1020.

[11] 时培明,丁雪娟,李 庚,等.一种EMD改进方法及其在旋转机械故障诊断中的应用[J].振动与冲击,2013,32(4):185－190.

Shi Peiming,Ding Xuejuan,Li Geng,et al.An improved method of EMD and its application in rotating machinery fault diagnosis[J].Journal of Vibration and Shock,2013,32(4):185－190.

[12] 李方熙,陈桂明,刘希亮,等.希尔伯特－黄变换端点效应的自适应端点相位正弦延拓方法[J].上海交通大学学报,2013, 47(4):594－601.

Li Fangxi,Chen Guiming,Liu Xiliang,et al.Processing method for Hilbert-Huang transform end effects self-adaptive endpoint-phase sinusoidal extension[J].Journal of Shanghai Jiaotong University, 2013,47(4):594－601.

[13] 钟佑明,金 涛,秦树人.希尔伯特一黄变换中的一种新包络线算法[J].数据采集与处理,2005,20(1):13－18.

Zhong Youming,Jin Tao,Qin Shuren.New envelope algorithm for Hilbert-Huang transform[J].Journal of Data Acquisition&Processing,2005,20(1):13－18.

[14] 王增才,王树梁,任锴胜,等.基于EEMD的提升机天轮轴承故障诊断方法[J].煤炭学报,2012,37(4):659－694.

Wang Zengcai,Wang Shuliang,Ren Kaisheng,et al.Research on the method of hoist head sheave bearing fault diagnosis based on EEMD[J].Journal of China Coal Society,2012,37(4):659－694.

[15] Wu Zhaohua,Norden Eh Huang.Ensemble empirical mode decomposition:A noise assisted data analysis method[J].Advances in Adaptive Data Analysis,2008,1(1):1－41.

Feature extraction for hoisting load of multiple rope friction hoist based on improved EMD

SHI Rui-min,YANG Zhao-jian

(School of Mechanical Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

In order to indirectly identity the payload of multi-rope friction hoist,a feature extraction method was proposed based on analysis of horizontal vibration signal which was collected from bearing caps of spindle device.Firstly, improved empirical mode decomposition(EMD)that can restrain the mode mixing phenomenon and reduce the boundary effect was used to decompose the signal into several intrinsic mode functions(IMFs),then the energy,contribution rate of variance and energy moment of IMFs were calculated as characteristic parameters.The intrinsic relationship between the characteristic parameters and the payload of hoist were discussed.The method of signal acquisition didn’t change the structure of spindle system and had no effect on normal operation of hoist.A long-term online monitoring was apt to accomplish,the basic data was easy to obtain,furthermore,a large amounts of sample datum were accumulated for quantitative identification of actual load.It is shown that the characteristic parameters proposed could sensitively reflect the load characters in terms of magnitude,weight and distribution.

improved EMD;hoisting load;feature extraction;vibration analysis

TD53

A

0253－9993(2014)04－0782－07

石瑞敏,杨兆建.基于改进EMD的多绳摩擦提升机载荷信息特征提取[J].煤炭学报,2014,39(4):782－788.

10.13225/j.cnki.jccs.2013.1502

Shi Ruimin,Yang Zhaojian.Feature extraction for hoisting load of multiple rope friction hoist based on improved EMD[J].Journal of China Coal Society,2014,39(4):782－788.doi:10.13225/j.cnki.jccs.2013.1502

2013－10－18 责任编辑:许书阁

山西省科技重大专项资助项目(20111101040)

石瑞敏(1983—),女,山西文水人,博士研究生。Tel:0351－6010414,E－mail:srm0018@link.tyut.edu.cn。通讯作者:杨兆建(1955—),男,河北高阳人,教授,博士生导师。Tel:0351－6010414,E－mail:yangzhaojian@tyut.edu.cn