基于EMD去噪解调技术在汽车变速器故障诊断中的应用

摘 要：本文将EMD数据处理方法和传统的振动信号解调方法相结合，在实验的基础上，准确地诊断出SG135-2型汽车变速器齿轮箱断齿故障发生部位。

【关键词】EMD 振动信号解调 齿轮箱

1 前言

分析汽车故障汽车齿轮箱的异常振动信号可以确定汽车变速器是否发生故障及故障部位。在汽车变速器这种典型的旋转机械故障齿轮箱故障诊断中，解调分析技术具有其他方法不可替代的作用，但因实际振动信号复杂且干扰信号众多，传统的振动信号解调及滤波技术受很多干扰频率影响，并不能有效地分离特征频率。1996年，美籍华人Norden E.Huang创立了针对非平稳信号分析的Hilbert-Huang变换的新方法。这一方法提出将信号基于由其本身局部特征确定的本征模函数的经验模态分解EMD，它在信号特征频率的去噪及提取上取得了良好的效果[4]。

2 经验模态分解（EMD）与振动信号解调技术

图1为经验模态分解EMD算法：原始信号减去包络均值，即可得到一个新的数据序列，判断该序列是否满足本征模函数的条件，如果满足，则该序列就是一个本征模函数，本次迭代过程结束，否则，重复上述过程，直到得到一个数据序列满足迭代结束的判别条件为止。

am或bm包含了非常重要的齿轮箱故障信息，其振动信号表现为以齿轮啮合频率为载波频率，以故障齿轮所在轴的转频为调制频率的调制现象，通过利用滤波技术及解调技术[2]解调出故障齿轮所在轴的转频，即可判定出齿轮箱故障位置。

3 实验原理与信号分析结论

实验工况：SG135-2变速器输入轴转速为600r/min，载荷75NM，轴转频：10 Hz（输入轴），13.06Hz（输出轴）。

1.如图1所示，齿轮箱发生断齿故障时频域的能量都很大，原因是发生故障时振动信号剧烈很多。

2.如图2所示，采用传统滤波解调技术能提取出故障特征信息：即故障5档齿轮所在轴转频13.2Hz及其倍频66.2Hz，79.3Hz，但有很多干扰噪声频率存在：92.8Hz，75.0Hz，74.2Hz，68.8Hz。

3.如图3所示，采用EMD分解加传统的滤波解调频谱不仅成功提取出故障信息：故障5档齿轮所在轴转频13.28Hz及其倍频65.98Hz，78.75Hz，其它干扰频率及噪声消失了，这是因为EMD信号分解技术在去噪方面得天独厚的优势。

参考文献

[1]丁康，李巍华，朱小勇.齿轮及齿轮箱故障诊断实用技术[M].北京： 机械工业出版社，2005.

[2]丁康，米林，王志杰.解调分析在故障诊断中应用的局限性问题[J].振动工程学报，1997.

[3]Huang，N.E， Shen， Z.，Long，S.R.，etc. The pirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. The Rayal Society，1998.

[4]李卿，张国平，刘洋.基于EMD的拉曼光谱去噪方法研究[J].光谱学与光谱分析，2009（01）.

[5]陈克兴等主编.设备状态监测与故障诊断技术.北京：机械工业出版社，1991.

[6]何岭松，杨叔子.包络检波的数字滤波算法[J].振动工程学报，1997.

作者单位

常州信息职业技术学院 江苏省常州市 213164