改進的HHT變換方法在風機故障檢測中的應用

摘 要：由于風力發(fā)電機的故障所產(chǎn)生的信號是非平穩(wěn)的信號，其明顯特征是頻率是時間的函數(shù)，從而進行相應的頻譜分析就可以完成對風機故障的判斷。在傳統(tǒng)的HHT變換頻譜分析存在端點飛翼問題，本文結合實際研究，提出了采用周期延拓解決端點飛翼、設定閾值解決終止條件的方法，形成了一種改進的 HHT 分析方法，并利用此改進的 HHT 分析方法對實際信號做了實驗，最終得到了很好的效果。

關鍵詞：HHT變換；風機故障；頻譜分析

DOI：10.16640/j.cnki.37-1222/t.2015.22.224

0 引言

由于風力發(fā)電機的故障所產(chǎn)生的信號是非平穩(wěn)的信號，其明顯特征是頻率是時間的函數(shù)，從而進行相應的頻譜分析就可以完成對風機故障的判斷。為了解決這個問題，1998 年 N.E.Huang 提出了 Hilbert-Huang 變換，它就是將多分量信號分解為多個單分量信號的一個方法，然后對每一個單分量信號進行相應的處理。與我們已知的一個定理是一樣的，絕大多數(shù)信號都可以有正弦信號疊加而成，HHT 分析方法的一個原理就是任何信號都可以分解成為有限個本征模函數(shù)，而每一個本征模態(tài)都是單分量的信號，那么對每個 IMF 利用解析信號相位求導，就可以得到這個信號的瞬時頻率和瞬時幅值進而我們可以方便地獲得我們所需信號的Hilbert譜。HHT 變換不需要進行傳函數(shù)的選擇，也不需要考慮分辨率的滿足條件，因此在整個分析過程中它一直體現(xiàn)著它的自適應性，它可根據(jù)信號進行自適應的分解，所以得到的都是新號局部的信息，克服了傅里葉變換中只能得到整體信息的缺陷，與此同時，HHT 具有良好的時頻聚集性，即便不適用像小波變換那樣的窗函數(shù)，也能夠得到了極高的時頻分辨率，是處理非平穩(wěn)、非線性信號的有效方法之一。

1 基于風力發(fā)電機信號的 HHT 變換

HHT 分析方法可以有效處理分平穩(wěn)信號獲得該信號的時頻分析結果。采用 HHT 分析風力發(fā)電機各個部件的振動信號就是本文的一個重要研究內(nèi)容。根據(jù) HHT 分析方法的理論，要想得到信號的時頻分析結果，第一步就是尋找到信號的極值點（極大值和極小值點），并采用三樣條插值擬合的方式獲得極大值包絡和極小值包絡，從而可以得到極值點的平均值包絡，在進行 HHT 分析之前，就要找到振動信號的極值點，并將之進行擬合。

截取一段輕微故障、加負載、等時采樣、15Hz 變頻器轉速、采樣頻率為 10KHz 的齒輪箱故障振動信號數(shù)據(jù)，運用 HHT 的 EMD 方法進行分解得到有限個 IMF 分量，然后進行 Hilbert 變換后得到了信號的 Hilbert 譜，經(jīng)過振動信號進行極值點擬合，得到極大值和極小值包絡，可以得到了極值點的平均值包絡曲線。在獲得了信號的極值點包絡之后，便可以根據(jù) HHT 分析原理得到信號的 IMF分量，就是該信號的所有 IMF 分量，然后對這些 IMF 分量進行Hilbert 變換，如圖1所示得到了信號的 Hilbert 譜。

2 風機故障的改進HHT變換頻譜分析方法

在以上的闡述當中，我們可以得知，HHT 是一種處理非平穩(wěn)信號有效的時頻分析方法，它將一個信號分解成有限個符合進行 Hilbert 變換的 IMF 分量，每一個 IMF 分量都是穩(wěn)態(tài)的，做一可以進行穩(wěn)態(tài)信號的處理，HHT 方法的最后是對每個 IMF 分量進行 Hilbert 變換，得到了 Hilbert 譜，這樣就得到了我們期待的信號的時頻分析結果，最終我們就是根據(jù)這個分析結果進行系統(tǒng)故障的診斷。但是遺憾的是，HHT 分析方法存在著端點飛翼問題，因為該問題只出現(xiàn)在信號的兩個端點，而在信號的內(nèi)部并沒有出現(xiàn)濾除極值點的情況，因此，本文中一個構想就是：本文采用了周期延拓的方式，如果將整段信號都變?yōu)樾盘柕膬?nèi)部信號，而不是信號的端點，所得到的處理結果就不會出現(xiàn)端點飛翼問題。

與正弦信號類似，當一個信號以某一個固定的周期重復出現(xiàn)的時候，任何一個周期內(nèi)的信號都是一個完整的信號，這個信號的全部信息都會被他包含在里面。那么，如果把我們測量得到的信號模擬正弦函數(shù)的形式進行某一個周期的延拓，那么，所得到的新的長信號就包含了多個重復的原始信號，對這個長信號進行 EMD分解處理，其中得到的將是這個長信號的極值點包絡（當然，原始信號的極值點包絡也在其中），我們就截取中間或內(nèi)部某一個完整信號的極值點包絡進行處理，得到了沒有端點飛翼的 IMF 分量。

3 改進的 HHT 算法信號處理實驗分析與結論

根據(jù)風力發(fā)電機上各個傳感器所測量到的振動信號，這些振動信號就是判斷某個部位的元器件是否發(fā)生故障的依據(jù)，所以，將改進的 HHT 算法用于這種振動信號的處理上，可以得到信號的 HHT 譜。如圖2所示15Hz 變頻器轉速、是截取了一段輕微故障、加負載、等時采樣、采樣頻率為 10KHz的齒輪箱故障振動信號數(shù)據(jù)，并采用改進的 HHT 算法取得振動信號各個極值點包絡的圖像，這種改進的 HHT 算法已經(jīng)解決了信號的端點飛翼問題，獲得了一個良好的曲線擬合結果。

在取得了更為準確的信號極值點平均值包絡之后，可以得到了振動信號的各個 IMF 分量，根據(jù) HHT 分析方法的原理，EMD 分解出的 IMF 序列都是符合我們之前所提出的時頻分析條件，也就是說每個 IMF 序列都應是穩(wěn)態(tài)的，那么理所當然的我們可以對其進行 Hilbert 變換獲得它的時頻譜。因此，當進行 Hilbert 變換，就得到了振動信號的 Hilbert 譜。圖3展示的就是振動信號的各個 IMF 分量圖像，從這個圖中可以看到，此振動信號總共分解出了 8 個 IMF 分量，而每一個 IMF 分量都是穩(wěn)態(tài)的，對每一個 IMF 分量進行 Hilbert變換后在進行一定的處理，就可以得到了信號的 Hilbert 譜。

從上面的闡述和實驗分析中，我們可以知道，這種改進的 HHT 分析方法的基本原理并沒有太大的改變，依舊是將信號分解成有限個穩(wěn)態(tài)的 IMF 分量，然后對每一個 IMF 分量進行 Hilbert 變換，從而得到了信號的 HHT 譜，在 HHT 譜中，瞬時頻率這個特征將每一個 IMF 的瞬時頻率描繪在同一個圖譜中，而 Hilbert 邊際譜（也叫邊界譜）是將某一點頻率的信號進行了疊加，顯示的是同一個頻率上信號的組成，我們進行故障診斷的時候采用的就是 Hilbert 邊際譜，這樣得到了信號的特征，唯一不同之處就是此改進的 HHT 分析方法克服了原有 HHT 分析方法的兩個缺陷[38]，使得研究的結果更加符合我們的要求，所以，從實踐上證明了該改進的 HHT 算法的正確性和有效性。

參考文獻：

[1]祝儒德.風機齒輪箱監(jiān)測診斷系統(tǒng)的研究與實現(xiàn)[D].哈爾濱：哈爾濱工業(yè)大學，2009.

[2]陳濤.低速重載軸承故障診斷的虛擬儀器研究[D].重慶：重慶大學，2005.

[3]王哲.風力發(fā)電機組主傳動鏈的故障診斷[J].診斷與測試，2007（03）：118-119.

作者簡介：李慧（1995-），河北獻縣人，研究方向：新能源發(fā)電技術。