ISSN1000 3762 CN41 1148/TH
轴承2017年1期 Bearing 2017, No.1
41 45
D0I: 10. 19533/j. issn1000 3762. 2017. 01. 012
基于EMD-HMM的转盘轴承故障诊断方法
孙炎平，陈捷，洪荣晶，封杨
（南京工业大学机城与动力工程学院，南京210009）
摘要：针对转盘轴承故障振动信号非线性、非平稳性的特点，提出了一种将经验模态分解与隐马尔可夫模型相结合的故障诊断方法。首先对故障信号进行经验模态分解，提取固有模态函数的能量作为故障特征向量；然后将故障特征向量输人HMM分类器进行模式识别，输出各状态的似然概率；最后，以最大似然概率所对应的故障状态作为诊断结果。试验表明：该方法能够有效、准确地识别转盘轴承的故障类型，但训练样本数及故障类型数对HMM的诊断精度都有一定的影响。
关键词：转盘轴承故障诊断；经验模态分解；隐马尔可夫模型
中图分类号：TH133.33;TN911.7
文献标志码：B
文章编号：10003762(2017)01004105
ApplicationofEmpiricalModeDecompositionandHiddenMarkov
Model in Fault Diagnosis of Slewing Bearing
Sun Yanping, Chen Jie, Hong Rongjing, Feng Yang
( College of Mechanical and Power Engineering, Nanjing Tech University , Nanjing 210009 , China)
Abstract : A fault diagnosis method based on empirieal mode decomposition( EMD) and hidden markov model( HMM) is proposed in terms of nonlinear and non stationary of signals of slewing bearing. First of all,fault signals are decom posed by EMD,the energy IMFs are extracted to form the fault feature vector, and then input the feature vectors into HMM classifier for malfunction recognition, the maximum likelihood probability which is output by HMM classifier is in the fault state. Experimental results show that this method can identify the slewing bearing faults effectively, and the
mumber of training samples and fault type has certain influence on the HMM diagnostic accuracy Key words : slewing bearing; fault diagnosis ;empirical mode decomposition ; hidden markov model
作为核心回转连接部件，转盘轴承常用于工程机械、风力发电、煤矿机械、港口机械、军用装备等领域。与普通轴承相比，转盘轴承的尺寸大(0.5~5m）、转速低（<25r/min）、承载工况复杂（需同时承受轴向力、径向力和倾覆力矩）；而且工作环境恶劣，安装、润滑及维修都非常不便；这就要求转盘轴承运行平稳、安全、寿命长，否则一旦发生故障将造成严重损失，因此对转盘轴承进行监测和故障诊断意义重大。
近儿年，智能故障诊断方法得到广越来越多收稿日期：20160505；修回日期：20160828
基金项目：国家自然科学基金项目（51375222）；2014年度高校“青蓝工程“中青年学术带头人
作者简介：孙炎平（1992一），男，硕士研究生，研究方向为
机械电子工程，Email:953603074@qq.com。万方数据
的应用，但这些方法大多忽略了故障发生前后的连续性信息，仅仅停留在静态观测基础上，比如通过对比分析某时刻的幅值谱来判断是否发生故障，而忽略了故障变化发展的动态信息。隐马尔可夫模型（HiddenMarkovModel,HMM）是一种时间序列的概率模型[2]，能够有效描述随机过程的统计特性，并对观测序列进行有效地模式识别和分类，挖掘出潜在的故障发生前后的上下文信息并加以利用，在机械设备状态监测和故障诊断领域引起了广泛的关注[3-6]。
由于转盘轴承转速低，振动信号微弱，故障特征难以提取，对大型转盘轴承的故障诊断研究较少，大多数故障诊断研究的对象都是高速轴承[7-9]，也没有文献对HMM进行深刻的探讨和分析。因此，以转盘轴承为研究对象，利用经验模态