HHT与Elman神经网络在离心泵故障振动信号处理中的应用

《基于HHT变换的滚动轴承故障诊断的研究》篇一一、引言随着工业的快速发展，机械设备在运行过程中的稳定性和可靠性变得尤为重要。

滚动轴承作为机械设备中不可或缺的部件，其运行状态直接关系到整个设备的性能。

因此，滚动轴承的故障诊断技术显得尤为重要。

传统的故障诊断方法往往依赖于信号处理技术和经验丰富的专家，但这些方法往往存在诊断效率低、误诊率高等问题。

近年来，随着信号处理技术的发展，基于HHT （Hilbert-Huang Transform，希尔伯特-黄变换）的滚动轴承故障诊断技术逐渐成为研究的热点。

本文将重点探讨基于HHT变换的滚动轴承故障诊断技术的研究。

二、HHT变换原理及特点HHT变换是一种基于经验模态分解（EMD）和希尔伯特谱分析的信号处理方法。

它能够将复杂的非线性、非平稳信号分解为具有物理意义的本征模态函数（IMF），然后通过对这些IMF进行希尔伯特谱分析，可以得到信号的时频域特征。

与传统的信号处理方法相比，HHT变换具有以下特点：1. 自适应性：HHT变换能够根据信号本身的特性进行自适应分解，无需预先设定基函数。

2. 物理意义明确：HHT变换能够将信号分解为具有物理意义的IMF，便于理解和分析信号的内在特性。

3. 时频域联合分析：HHT变换能够同时提取信号的时域和频域特征，为故障诊断提供丰富的信息。

三、基于HHT变换的滚动轴承故障诊断方法基于HHT变换的滚动轴承故障诊断方法主要包括以下几个步骤：1. 信号采集与预处理：首先，通过传感器采集滚动轴承运行过程中的振动信号。

然后，对采集到的信号进行预处理，包括去噪、滤波等操作，以提高信号的质量。

2. EMD分解：将预处理后的信号进行EMD分解，得到一系列具有不同频率特征的IMF。

3. IMF筛选与组合：根据滚动轴承的故障特征，从IMF中筛选出与故障相关的模态，并进行组合，形成包含故障信息的特征向量。

4. 希尔伯特谱分析：对特征向量进行希尔伯特谱分析，得到信号的时频域特征。

2020(2)Centrifugal Pump Fault Diagnosis Based on Hilbert-Huang Transform基于Hilbert-Huang变换的离心泵故障诊断基于Hilbert-Huang变换的离心泵故障诊断胡泽，王晓杰，张智博，吴雨宸( 西南石油大学 电气信息学院，四川 成都 610500 )[收稿日期] 2019-11-15[作者简介]胡泽(1966—)，男，博士，教授，主要研究方向为油气测控工程、计算机控制、自动化等。

摘要：结合Hilbert-Huang 变换(HHT)和径向基(RBF)神经网络的优点，提出将二者运用于离心泵故障诊断的新方法。

利用H H T 构造出代表离心泵振动信号的能量和频率分布的特征向量；根据R B F 神经网络建立了从能量和频率分布的特征向量到故障模式的映射来实现离心泵故障诊断，对于离心泵的正常状态、转子不平衡、转子不对中、基础松动和油膜涡动及振荡故障具有较高诊断率。

研究结果表明，该方法可有效对离心泵振动信号进行诊断。

关键词：离心泵；故障诊断；Hilbert-Huang 变换(HHT)；径向基(RBF)神经网络中图分类号：TH311 文献识别码：A 文章编号：1674-2796（2020）02-0015-06Centrifugal Pump Fault Diagnosis Based on Hilbert-HuangTransformHu Ze, Wang Xiaojie, Zhang Zhibo, Wu Y uchen( Southwest Petroleum University, School of Electrical Engineering and Information,Chengdu 610500, Sichuan)Abstract: Combining the advantages of Hilbert-Huang Transform (HHT) and Radial Basis Function (RBF) neural networks, a new method for fault diagnosis of centrifugal pumps is proposed. The HHT is used to construct the eigenvectors of the energy-frequency distribution representing the vibration signal of the centrifugal pump. According to the RBF neural network, the mapping from the eigenvectors of the energy-frequency distribution to the fault mode is established to realize the centrifugal pump fault diagnosis, which has a high diagnostic rate in the pump's normal state, rotor imbalance, rotor misalignment, foundation looseness and oil film whirl and oscillation faults. The research results show that this method can effectively diagnose the vibration signal of centrifugal pump.Keywords: Centrifugal pump; Fault diagnosis; Hilbert-Huang Transform(HHT); Radial Basis Function (BRF) neural networks0　引言离心泵设备广泛应用在石化、电力、机械以及军工部门的关键设备。

32工业安全与环保2013年第39卷第4期I ndust r i al Saf e t y a nd Envi r onm e nt al Pr o t ect i on A pr a2013H H T在震动信号处理中的应用肖玲吴建星刘佳陶慧畅(武汉科技大学冶金矿产资源高效利用与造块湖北省重点实验室武汉430081)摘要希尔伯特一黄变换是一种处理非线性、非平稳信号的方法，它的核心是经验模态分解(咖)，但是E bl D分解存在模态混叠等不足现象，针对这个问题引入了总体平均经验模分解(E EM D)算法。

对实测的震动信号分别做两种算法的分解得到固有模态函数(玎肛)，再对其结果进行能量分析，绘制瞬时频率图、希尔伯特谱，得到信号震源的真实时频特征量，以便进一步分析震源类型，从而可以更好地实时预测震动灾害发生的可能情况。

关键词希尔伯特一黄变换经验模态分解总体平均经验模分解固有模态函数A ppl i c at i on of H H T i n Shake Si gnal vr oce ssh|gX]A O Li ng W U Ji a商Il g L I U Ji a T A O H ui ch ang(H ubei K砂Labor at or yfor Ef f i ci ent U t i l i zat i on and^韶如哪甜时溉ofM et al l ur gi c M i neral R esour ces，W uha n U ni ver si t y of Sci e nce and T e c hnol ogy W uha n430081)A b s t r act H i]ber t—H uang Trans form is a m et h od f or de al i ng w i t h t he nonl i nea r a nd non—s t a t i onar y si粤m l s a nd t he key par t of i t is助删M ode D ecom p os i t i on．H o w ever t her e exi st s l i m i t at i on0f m ode峨．In or de r t o sol ve t h i s pr obl em，t he m et h od of Ensem ble嘲cal M ode D ec om posi t i on is i nt roduce d．The m eas ured s ha ke si耐is decom pos ed by usi I lg E M D a nd E E M D t o obt ai n t he I M F，t hen t he e ner gy anal yz e is c onduct ed a nd t he inst a／lt a／iootl s fr eque nc y a nd H i l ber t—H ua ng s pe c恤l m is dr aw n．T he r es u l t s how s t h at t he t im e一丘eqIl廿呵of epl cent r e s i孕l al c an be r eal l y r ef l ect ed，SO W e c anf ur t her anal ys e t he t yp e of e pi c e nt re，and t hen bet t er f or ecast t he poss i bl e si t uat i on of s ha ke dis as ter．K eyW or ds H i l ber t—H uang Tra nsf orm E m pi ri ca l M od e D ec om posi t i on b锻n№hl pi I i cal M o de D ec om posi t i on Int r i n s i c M ode F unct i on0引言目前，井下实时在线监测监控技术广泛应用于安全领域，而对于实时监测的信号分析还有待进一步加强，震动信号是井下监测信号的一种，它可以预测预报井下采动地质灾害、瓦斯突涌以及井下突水等情况。