李康强等：迭代生成微分方程分解方法研究 ·1581· 为42.2Hz.首先用迭代生成微分方程分解方法分解 成6个分量.如图20所示，可以看出分解的前几个分 -10002030.4050.60.70.80.91.0 量脉冲很密集，分别计算各个分量与原信号的相关系 0.5 0.5r 数与自身的峭度值如表2，表中可以看出，第二个分量 的相关性最大，而且峭度也相对较大，所以将第二分量 -0.5 00.10.20.30.40.5 -0.5 00.10.20.30.40.5 作为寻找故障特征的敏感分量放大分析如图21所示. 0.5- 0.2 0树一 可以找到连续的周期间隔约为0.023s的脉冲，这与内 -050002030405 -0.20002030405 圈故障特征频率相符，说明内圈发生了故障，效果 良好 0.1- 0.05 e-料师州 -0.100.10.203040.5 -0.05%0020.30.40.5 0 时间/s 时间/s 0 0.51.01.52.02.53.0354.0455.0 图17外圈信号与迭代生成微分方程分解方法分解结果 0.5 0.5 Fig.17 Outer ring signal and results of the IGDED method 0 0. 00.10.20.30.40.5 00.10.20.30.40.5 表1各分量指标 0.5 0.2 Table 1 Components index 指标 c3 c4 c6 -0.5 0.2 0.10.20.30.40.5 0.10.20.30.40.5 0.1 0.05 相关系数0.45910.72330.46180.25750.16160.1046 峭度值4.05932.99563.25563.33723.16512.7287 0.0 0.10.20.30.40.5 -0.05600.20.30.40.5 时间/s 时间s 图20内图信号与迭代生成微分方程分解方法分解结果 0.4 0.031s Fig.20 Inner ring signal and results of the IGDED method 0.2 表2各分量指标 Table 2 Components index 0.2 指标 c4 c5 c6 相关系数0.43880.73570.49210.22400.13560.0817 050 0.55 0.60 0.65 0.70 时间/s 峭度值3.27483.08712.97364.83804.39403.8413 图18第一个分量放大图 Fig.18 The first component 0.6 0.4 0.023s 05 -0.-5601020.30.40.50.60.70.80.91.0 0.5 o→格e+州 2.002.022.042.062.082.102.122.142.162.18 -0.5001020.3040.50.60.70.80.91.0 时间s 0.5 图21第二个分量放大图 0eo中州e帽4 Fig.21 The second component -0.500.102030.40.50.60.70.80.91.0 0.5m 图22所示为不同方法分解内圈故障测试信号获 得的分量的对比图，同外圈故障信号类似，可以看出， 0.56002030.40.50.60.70.80.91.0 几种方法分解后的结果均能找到周期性的冲击.可以 时间s 看出经验模式分解方法依旧有模态混迭效应，故障冲 图19不同方法分解第一个分量对比图 击间隔中混有其他冲击：希尔伯特振动分解方法也是 Fig.19 The first components of the different methods 存在阶段性性能差异：迭代希尔伯特变换方法分解的 4.2内圈故障分析 冲击幅值偏小，综合评判，对内圈故障测试信号的故障 选取内圈故障测试信号进行分析，故障特征频率 特征分析，迭代生成微分方程分解方法优于其他方法，李康强等: 迭代生成微分方程分解方法研究 图 17 外圈信号与迭代生成微分方程分解方法分解结果 Fig. 17 Outer ring signal and results of the IGDED method 表 1 各分量指标 Table 1 Components index 指标 c1 c2 c3 c4 c5 c6 相关系数 0郾 4591 0郾 7233 0郾 4618 0郾 2575 0郾 1616 0郾 1046 峭度值 4郾 0593 2郾 9956 3郾 2556 3郾 3372 3郾 1651 2郾 7287 图 18 第一个分量放大图 Fig. 18 The first component 图 19 不同方法分解第一个分量对比图 Fig. 19 The first components of the different methods 4郾 2 内圈故障分析 选取内圈故障测试信号进行分析,故障特征频率 为 42郾 2 Hz. 首先用迭代生成微分方程分解方法分解 成 6 个分量. 如图 20 所示,可以看出分解的前几个分 量脉冲很密集,分别计算各个分量与原信号的相关系 数与自身的峭度值如表 2,表中可以看出,第二个分量 的相关性最大,而且峭度也相对较大,所以将第二分量 作为寻找故障特征的敏感分量放大分析如图 21 所示. 可以找到连续的周期间隔约为 0郾 023 s 的脉冲,这与内 圈故障特征频率相符,说明内圈发生了故障,效果 良好. 图 20 内圈信号与迭代生成微分方程分解方法分解结果 Fig. 20 Inner ring signal and results of the IGDED method 表 2 各分量指标 Table 2 Components index 指标 c1 c2 c3 c4 c5 c6 相关系数 0郾 4388 0郾 7357 0郾 4921 0郾 2240 0郾 1356 0郾 0817 峭度值 3郾 2748 3郾 0871 2郾 9736 4郾 8380 4郾 3940 3郾 8413 图 21 第二个分量放大图 Fig. 21 The second component 图 22 所示为不同方法分解内圈故障测试信号获 得的分量的对比图,同外圈故障信号类似,可以看出, 几种方法分解后的结果均能找到周期性的冲击. 可以 看出经验模式分解方法依旧有模态混迭效应,故障冲 击间隔中混有其他冲击;希尔伯特振动分解方法也是 存在阶段性性能差异;迭代希尔伯特变换方法分解的 冲击幅值偏小,综合评判,对内圈故障测试信号的故障 特征分析,迭代生成微分方程分解方法优于其他方法, ·1581·