EMD的LabVIEW实现及其在滚动轴承故障诊断中的应用 图文

5因此EMD分解完全由信号自身的变化决定,是一种自适应信号分解方法[4]。2EMD在LabVIEW中的实现2.1程序流程根据EMD基本原理,其算法的程序流程图如图1所示。图1LabVIEW中EMD分解算法的程序流程图Fig.positioninLabVIEW2.2LabVIEW中EMD编程由程序流程编写出的EMD主程序如图2所示。EMD分解主程序包括以下各子VI:信号输入,求上下包络,IMF函数判别,分解层数,结束条件,数据存取和波形显示等。图2LabVIEW中EMD主程序Fig.2MainprogramofEMDinLabVIEW图3是对仿真信号y=6sin(2Pf1t+4sin(2Pf2t+3sin(2Pf3t的ECD分解,f1=10Hz,f2=100Hz,f3=20Hz。由结果可知,该程序成功分解出了这三个不同频率分量,从而验证了本模块分解算法的正确性。图3仿真信号及EMD分解图Fig.positionchart3应用实例3.1轴承故障诊断的共振解调原理滚动轴承的内、外圈、滚动体等元件表面由于磨损、疲劳等原因易发生各类故障,尤其是局部损伤,一旦滚动轴承通过该损伤点必然会引起振动冲击,产生能量集中的冲击力。由于冲击力的频带较宽,会使低频的故障信号调制到传感器等固有频率激发的高频振动上,进而表现出幅值调制特性。由于该调幅信号中低频调制信号的频率与滚动轴承故障类型有关,因此,提取相应的故障特征频率就能够诊断出滚动轴承的故障[5]。而这种方法称之为共振解调,它是目前提取该类故障信息较为有效的方法。3.2传统诊断轴承故障的共振解调方法传统诊断轴承故障的共振解调方法一般是先窄带滤波出信号中含有调制低频信息的高频共振信号x(t,然后进行Hilbert变换:x(t=-1PQ+]-]x(t-SSdS(6于是得到x(t的解析信号函数xa(t:xa(t=x(t+x(t=A(tej<(t(7