希尔伯特-黄变换轴瓦异响故障诊断

马风雷， 郑永涛， 姜振海

（长春工业大学机电工程学院，吉林长春 130012）

希尔伯特-黄变换轴瓦异响故障诊断

马风雷， 郑永涛， 姜振海

（长春工业大学机电工程学院，吉林长春 130012）

根据汽车发动机信号非线性、非平稳性特点，分别对正常以及轴瓦异响发动机信号进行HHT，得到希尔伯特谱与时频分布三维图。将引起异响的高频成分从异响信号中分离，再通过对高频成分的分析找出故障原因。结果表明，正常发动机固有频率为210Hz，轴瓦异响发动机频率主要集中在500，1 500和2 700Hz，通过对比加速度谱分析结果，判断出轴瓦异响的原因是轴瓦磨损。

希尔伯特-黄变换；轴瓦；故障诊断

0 引 言

轴瓦是汽车发动机中一个重要部件。如果发动机中轴瓦存在异响而不及时察觉，轻者磨损烧蚀轴瓦，重则损坏主轴轴颈，造成主轴报废，引发严重交通事故［1］。因此，对于轴瓦异响必须及时发现，尽早排除。

目前，对轴瓦异响的解决主要视异响声音的大小做不同处理。若轴瓦有异响，但声音不大，应检查油质及机油位置或到专业修理厂维修。如果异响较大，则应立即维修或牵引到专业修理厂维修［23］。但由于是根据异响声音的大小程度来选择解决办法，并不能准确判断出轴瓦是否真实存在异响，并且异响程度的大小难以衡量，为问题的解决带来极大困难。而车辆维修过程中不确定因素很多，会直接导致维修周期的增长，与此同时，浪费大量人力、物力、财力。

为了解决上述方法的不足，文中采用希尔伯特-黄变换方法对轴瓦异响的发动机信号进行分析，通过采集正常与非正常发动机信号，将引起异响的高频成分从异响信号中分离，再通过对高频成分的分析即可找出故障原因，这为轴瓦异响的故障诊断提供了一种全新、简单而有效的方法。

1 希尔伯特-黄变换［4］

希尔伯特-黄变换是一种处理非线性非平稳信号的分析方法［1］。它由经验模态分解和希尔伯特变换组成。

希尔伯特-黄变换主要包括两个方面的内容：经验模态分解（Empirical Mode Decomposition，EMD）和希尔伯特（Hilbert）分析。首先对信号进行EMD分解，将信号分解成若干个固有模态函数（Intrinsic Mode Function，IMF）之和的形式，再对各IMF分量进行Hilbert变换，求出其相应的瞬时幅值和瞬时频率。

1.1 经验模态分解

对于任意复杂信号采用EMD可以得到一系列IMF分量，其步骤为：

1）确定信号x（t）的所有极值点，用3次样条将所有极值点连接，形成上下包络线；

2）计算上下包络线的平均值m1（t），求出x（t）与m1（t）的差值h1（t）。若h1（t）满足IMF的条件，则h1（t）就是信号x（t）的第1个IMF分量；

3）若h1（t）不满足，把h1（t）当作原始数据，重复以上筛分过程，直到满足IMF条件为止，这样便得到第1个IMF分量c1（t）；

4）用x（t）减去c1（t），得到：

将r1（t）重复以上步骤，直到再也得不到IMF分量为止，这样从信号中分离出n个IMF分量c1（t），c2（t），…，cn（t）和rn（t），即：

1.2 希尔伯特分析

希尔伯特分析主要是对EMD分解出来的各阶IMF分量进行Hilbert变换，得到各固有模态函数的瞬时频率和幅值。

对任一连续实信号x（t），其Hilbert变换的定义为：

构造解析信号：

得到幅值函数：

相位函数：

进一步可以求出瞬时频率：

可以得到：

式中：Re取实部，这里省略了残余量rn。

式（8）称为Hilbert幅值谱，简称Hilbert谱。

2 实验研究

利用上述方法对汽车发动机声音信号进行分析。试验中，利用麦克风作为声音传感器［5］，测出正常发动机与轴瓦异响的发动机声音信号，相比于测量发动机振动信号，声音信号的采集属于非接触式，操作方便，成本低廉，具有振动信号不可代替的优势［6］。测得的正常发动机信号与轴瓦异响发动机信号分别如图1和图2所示。

图1 正常发动机信号

图2 轴瓦异响信号

通过图1和图2可以看出，轴瓦异响信号较正常信号振幅减小。

正常发动机信号与轴瓦异响发动机信号的频谱分别如图3和图4所示。

图3 正常发动机信号频谱

图4 轴瓦异响信号频谱

由此可以看出，当发动机轴瓦异响时，信号频率明显增大并且出现了高频频率。为了更加细致、准确地说明上述问题，现对正常发动机信号与经EMD分解后第1阶轴瓦异响信号的IMF分量进行加速度谱分析。之所以选择第1阶IMF分量进行加速度谱分析，这是由于第1阶IMF分量包含了轴瓦异响信号绝大部分的高频频率，而引起异响的原因也主要是高频频率出现所引起的，故选择第1阶IMF分量做加速度谱分析更加准确与合理。

引起轴瓦异响的主要原因有：轴瓦磨损、润滑不良、曲轴轴向间隙增大，曲轴变形、轴瓦盖螺栓松动，由于长期超负载运转而使发动机温度过高等［78］。通过对加速度谱的分析可以看出，正常发动机信号的加速度只要集中在低频的100～500Hz内，而轴瓦异响发动机信号的加速度主要集中在2 500～3 000Hz之间，且加速度的数值明显增加。

正常发动机信号加速度谱如图5所示。

图5 正常发动机信号加速度谱

轴瓦异响发动机信号加速度谱如图6所示。

图6 轴瓦异响发动机信号加速度谱

3 HHT分析

对所测量出的数据进行HHT分析，正常及轴瓦异常的发动机信号经EMD分解后分别可以分解出15个和11个IMF分量。利用所求IMF分量得到发动机正常与轴瓦异响信号的Hilbert谱，分别如图7和图8所示。

图7 正常发动机信号希尔伯特谱

图8 轴瓦异响信号希尔伯特谱

Hilbert谱图能反映出信号能量随时间和频率的变化情况。在Hilbert谱图中纵坐标采用归一化频率。

由图7可以看出，对于正常发动机，其频率主要集中在归一化频率的0.035处，乘以采样频率6 000Hz，便得到实际频率为210Hz，这与之前得到的频谱上的数值相一致。但从图8中可以看出，正常发动机的频率已被异响所产生的其它频率成分影响，被其淹没，并且异响信号较正常信号产生出高频成分，可以得到存在异响的发动机频率主要集中在500，1 500，2 700Hz，这主要是引起异响的故障原因，对比加速度谱分析结果，可以诊断出其异响原因为轴瓦磨损。

正常发动机信号和轴瓦异响信号时频分布三维图分别如图9和图10所示。

图9 正常发动机信号时频分布三维图

图10 轴瓦异响信号时频分布三维图

对比图9和图10可以更加清楚地看出，图10中信号的实际频率难以分辨，轴瓦产生磨损。此外，较小波分析和傅里叶变换等传统信号分析方法，从HHT分析得到的Hilbert谱三维图中，我们可以更加清楚、直观地看出瞬时振幅与瞬时频率的相互关系，从而能够有效诊断出发动机轴瓦是否存在异响。

4 结 语

运用HHT对轴瓦异响的发动机信号进行分析，提出了一种该类故障诊断的新方法。通过试验得到如下结论：

1）利用HHT分析方法得到所测出的发动机信号的Hilbert谱以及时频三维图，有效分析出信号的各阶频率成分。

2）运用HHT对正常及轴瓦异响发动机信号

进行EMD分解，可以得出含有故障频率的IMF分量，对其进行相关分析便可得出造成轴瓦异响的原因。相比较传统故障诊断方法，显示出了HHT在轴瓦异响信号处理方面的准确性与有效性。

［1］陈应国.发动机轴瓦异响故障排查［J］.北京汽车，1994（3）：32-33.

［2］吉国光.斯太尔汽车常见故障诊断与排除［J］.重型汽车，2004（2）：42-43.

［3］阳建成，陈岚林，唐乔彬.WD615系列柴油发动机轴瓦异响的判断与排除［J］.汽车维修，2002（10）：22.

［4］N E Huang，Z Shen.The empirical mode decompo-sition and the Hilbert spectrum for nonlinear and No-stationary time series analysis［J］.Proc.R.Soc.Lond.A，1998：903-999.

［5］冯伟东，韩雪冰.LabVIEW与MATLAB在声音信号采集与小波降噪中的应用［J］.长春工业大学学报：自然科学版，2006，27（1）：40-42.

［6］陆汝华，段盛，杨胜跃，等.基于CGHMM的轴承故障音频信号诊断方法［J］.计算机工程与应用，2009，45（11）：227-229，238.

［7］陈应国.发动机异响故障检测［J］.北京汽车，2001（1）：45.

［8］宋治国.发动机曲轴轴瓦磨损烧蚀的影响因素分析［J］.硅谷，2012（4）：132-133.

Hilbert-Huang transform based fault diagnosis for bearing pad

MA Feng-lei， ZHENG Yong-tao， JIANG Zhen-hai
（School of Mechatronic Engineering，Changchun University of Technology，Changchun 130012，China）

According to the features of abnormal sound such as non-linear and non-stability in the bearing pad engine signals，both the normal and abnormal signals from bearing pad engine are analyzed with Hilbert-Huang transform（HHT）to get the 3DHilbert spectrum and time-frequency distribution.The high-frequency component producing the abnormal sound signal is separated，accordingly，the causes are worked out.The results show that the normal engine inherent frequency is 210Hz，while the noise frequency is at 500Hz，1 500Hz and 2 700Hz respectively.The noise is generated by the wear of bearing pad based on acceleration spectrum analysis.

Hilbert-Huang transform；bearing pad；fault diagnosis.

TH 17

A

1674-1374（2014）01-0055-05

2013-06-23

马风雷（1962－），男，汉族，吉林长春人，长春工业大学副教授，博士，主要从事信号测试方向研究，E-mail：mafenglei＠mail.ccut.edu.cn.