Hilbert-Huang变换提取齿轮箱故障特征方法研究

张志斌,王 菁,宋晓菲（.河北省石家庄市9469部队,石家庄 050070； .河北省石家庄市发展和改革委员会信息中心,石家庄 0500；.河北慧云电子科技有限公司,石家庄 050000）



Hilbert-Huang变换提取齿轮箱故障特征方法研究

张志斌1,王 菁2,宋晓菲3
（1.河北省石家庄市93469部队,石家庄 050070； 2.河北省石家庄市发展和改革委员会信息中心,石家庄 050011；3.河北慧云电子科技有限公司,石家庄 050000）

摘 要：本文在研究了Hilbert-Huang变换的原理和它在非线性、非平稳信号分析中的独特优势的基础上，重点研究了利用经验模态分解和Hilbert-Huang变换提取齿轮箱故障特征的方法，实验证实，通过对齿轮箱的振动信号进行经验模态分解，并对分解得到的IMF分量进行包络谱分析，能够准确实现对齿轮箱内齿轮的故障定位。

关键词：Hilbert-Huang变换；经验模态分解；齿轮箱；故障诊断

1 Hilbert-Huang变换简介

Hilbert-Huang变换（简称HHT）是Norden E.Huang等人于1998年首次提出的一种新的信号分析理论。Hilbert-Huang变换应用经验模态分解（Empirical Mode Decomposition 或EMD）理论将信号分解成相互独立的若干固有模态（Intrinsic Mode Function 或IMF）的和，并对每个IMF进行Hilbert变换得到信号的瞬时频率和幅值，从而给出信号随时间和频率变化的精确表达，因而可以用于对信号的局部行为做出精确的描述。

2 基于Hilbert-Huang变换的齿轮箱故障特征提取

单级传动的齿轮箱输入轴齿轮齿数为28,输出轴齿轮齿数为36, 电机转速为1473r/min,输入轴回转频率为24.55Hz,输出轴回转频率为为19.11Hz,齿轮啮合频率为688Hz。在从动轴齿轮齿根处加工宽0.1mm、深3mm的小槽以模拟齿根裂纹。测量得到的振动信号及其功率谱如图1所示。

图1 齿根裂纹故障时的振动时域波形（左）及其自功率谱波形（右）

从功率谱图中能找到啮合频率及其二倍频,但没有边带信息,因此难以判断故障发生的部位。将振动信号进行EMD分解，进而可以得到IMF信号的包络谱，图2所示即为EMD分解得到的9个分量中的前3个。图3为IMF3信号的包络谱，可以很清晰地看到故障齿轮所在的输出轴的频率特征。

图2 齿根裂纹故障信号的EMD分解

图3 IMF3信号的包络谱

参考文献：

［1］N.E.Huang, The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis, J. Proc. R. Soc. Lond. A, 1998, 454：903-995

［2］张志斌.基于频响修正的齿轮箱故障诊断研究［D］.石家庄：军械工程学院,2004.

［3］Huang NE, Wu ML, Long SR, et al. A confidential limit for th e empirical mode decomposition and Hilbert spectrum analysis ［J］. eedings of the Royal Society of London. A （2003）,459：2317-2345.

DOI：10.16640/j.cnki.37-1222/t.2016.12.008

基金项目：国家自然科学基金（51306058, 71102174）；河北省科技支撑计划重点项目（15212204D）