魏香林

(广东创新科技职业学院机电工程系，广东 东莞523960)

基金项目：广东创新科技职业学院校企合作2017—2018年资金资助科研项目（cxxqkyxm003）

作者简介：魏香林（1984—）,男，讲师，硕士，主要研究方向为机械制造自动化及应用， wangzhanwei557182@126.com.

摘要：针对经验模态分解在回转齿轮箱故障中容易出现分解精度低的问题，提出了一种CMF-EEMD信号处理方法。组合模式函数（CMF）将集合经验模态（EEMD）分解得到本征模函数(IMF)，并通过把高频和低频信号叠加的方式来形成包含高低频的模态函数，然后通过EEMD对循环自相关函数解调分析。将CMF-EEMD信号处理方法应用于仿真信号和齿轮箱故障诊断测试平台，成功提取了多故障特征频率，验证了该方法的有效性。该方法还可以清晰地反馈故障振动信号冲击幅值改变情况，从高频分量中可清楚地看到振动信号冲击幅值发生改变的明显特征。

关键词：回转齿轮箱；故障特征提取；CMF-EEMD；多故障；分解精度

中图分类号：TP17；TP206   文献标识码：A    文章编号：2095-509X(2020)04-0105-03

小波分解算法是一种分析故障振动信号的常用方法，其运算量较大，直接影响故障信号处理效率。小波分解算法具有传统小波算法的时频局部特点，可以体现振动冲击的周期性变化规律［1-3］。例如，当轴承表面由于腐蚀或应力破坏而产生凹坑时，会在齿轮传动系统运行过程中对齿面造成冲击，而这种冲击间隔刚好与轴承故障的周期相对应［4-6］。

为了克服小波分解算法在故障分析方面的缺陷，本文设计了一种由CMF-EEMD共同组成的带通滤波器。组合模式函数（composite mode function, CMF）其实是对滤波器的重新组合及分类，从而使原始信号被分解为高频与低频部分。以CMF作为集合经验模态（ensemble empirical mode decomposition, EEMD）前端滤波器，并通过适当调节白噪声幅值的方法来提升EEMD分解精度［7-8］。本文首先利用CMF将相邻的有限个本征模函数（intrinsic mode function，IMF）叠加，然后通过EEMD对循环自相关函数进行解调分析。采用CMF-EEMD信号处理方法诊断风电齿轮箱故障时还能够高效分离出不同状态下对应的故障特征频率。