一种煤矿机械轴承故障诊断方法.pdf

工矿自动化 In dust r y a n d Min eAut oma t ion 第45卷第10期 2019年10月 Vol . 45 No. 10 Oct .2019 文章编号1671-251X2019 10-0080-07DOI10. 13272/j. issn . 1671-251x. 2019020005 种煤矿机械轴承故障诊断方法 扫码移动阅读 徐青青，赵海芳，李守军 宿迁学院机电工程学院％江苏宿迁 223800 摘要针对现有煤矿机械轴承故障自适应诊断方法易受高频噪声和间断噪干扰而导致原始信号分解 和特征提取精度较低的问题，提出了一种基于改进局部均值分解的煤矿机械轴承故障诊断方法。该方法在 局部均值分解方法的自适应分解部分采用噪辅助分解方法，将高斯白噪加入原始信号，然后进行局部均 值分解，以抑制高频噪及间断噪对信号分解的影响；在特征参数提取部分对乘积函数分量进行Hil ber t 变换，然后进行特征参数提取，以实现在全部取值范围内提取特征参数仿真及测试结果表明，该方法对轴 承故障信号分解和特征参数提取的效果较好，对轴承内外圈故障诊断的准确性较高 关键词煤矿机械；轴承故障；故障诊断；局部均值分解；自适应分解；特征参数提取；噪辅助分解 中图分类号TD67 文献标志码A Af a ul t dia g n osismet hodf or coa l min ema chin er y bea r in g XU Qin g qin g , ZHAO Ha if a n g , LIShouBun School of Mecha n ica l En g in eer in g , Suqia n Col l eg e, Suqia n 223800, Chin a Abstract Aimin g a t t he pr obl em t ha t exist in g a da pt iv e dia g n osis met hods of coa l min e ma chin er y bea r in g f a ul t wer esuscept ibl et ot hein t er f er en ceof hig hf r equen cy n oisea n din t er miten t n oise,whichl ed t o t he l ow a ccur a cy of or ig in a l sig n a l decomposit ion a n d f ea t ur e ext r a ct ion , a f a ul t dia g n osis met hodf or coa l min e ma chin er y bea r in g wa s pr oposed which wa s ba sed on modif ied l oca l mea n decomposit ion MLMD.Themet hoda dopt sa djuv a n t n oisedecomposit ion met hodin sel f -a da pt iv edecomposit ion pa r t of l oca l mea n decomposit ion LMDmet hod,n a mel y a ddin g Ga ussia n whit en oiset oor ig in a l sig n a l f ir st l y a n d t hen ca r r y in g out LMD, so a s t o r est r a in in f l uen ce of hig h-f r equen cy a n d in t er mi ten t n oise on sig n a l decomposit ion .In f ea t ur e pa r a met er ext r a ct ion pa r t , MLMD met hod does Hil ber t t r a n sf or ma t ion f or pr oduct f un ct ion compon en t s,t hen ext r a ct s f ea t ur e pa r a met er s,so a s t o r ea l ize f ea t ur e pa r a met er ext r a ct ion in whol ev a l uer a n g e.Thesimul a t ion a n dt est r esul t sshowt ha t MLMD met hodha sg oodefect on decomposit ion a n df ea t ur epa r a met er ext r a ct ion of bea r in g f a ul t sig n a l a n dhig hdia g n osisa ccur a cy of in n er a n dout er r in g f a ul t of bea r in g . Key wordscoa l min e ma chin er y ;bea r in g f a ul t ;f a ul t dia g n osis;l oca l mea n decomposit ion ;sel f - a da pt iv edecomposit ion ;f ea t ur epa r a met er ext r a ct ion ;n oisea djuv a n t decomposit ion 0引言 用于通风机、采煤机、提升机等旋转机械中[13] 其健 康程度直接关系到煤矿机械运行稳定性。因此有必 滚动轴承是煤矿机械常用的运动部件，大量应 要对滚动轴承进行检测分析和故障诊断。 收稿日期收稿日期2019-02-13文献［10］提出了局部特征尺度分解Loca l Cha r a ct er ist ic-sca l eDecomposit ion，LCD 糊爛相结合的故障诊断与分类方法；文献［11］将局 部均值分解Loca l Mea n Decomposit ion , LMD方 于 矿 风机 故 特征 断 别中。 在实际应用中发现，上述轴承故障自适应诊断 方法都是将原始信号分解成一系列基本尺度函数， 然后借助模式提取方法检测故障特征。这些方法具 有简便、高效、自适应性强等特点，但当原始信号中 含有高频噪声和间断噪声时，会出现分量频带模糊 的模态混叠、频带缺失或虚假分量现象及端点失真 的端点效应［12］,降低分解效果和特征提取精度。针 对上述问题，本文提出了一种改进LMDModif ied LMD, MLMD方法采用噪声辅助分解方法［13］对 LMD 方 适 分 部分进行改进， LMD 方 的特征参数提取部分对乘积函数Pr oduct Fun ct ion ,PF分量进行Hil ber t变换后进行特征参 数提取。基于MLMD提出了一种煤矿机械轴承故 障诊断方法。仿真和测试结果验证了该方法的有 效性。 1 LMD方法原理 LMD方法步骤如下。 1针对原始信号为时间求局部极值 点”, 1,2,，M ,M为局部极值点数，通过 式1求“，的局部均值,和包络估计值3, ” ”1 ,------ 71 ; ； 对a r ccos s1m；求导，得瞬时频率 da r ccos sm t1 2 “； di 5 6 6将步骤1步骤5循环迭代怡次，得 6个PF分量。则原始信号 t被分解成6个PF 分量F3t和1个残余分量＞t之和。 k t FD t u t 7 2 MLMD 2. 1 LMD方法自适应分解部分改进 LMD 方 适 分 部分采 动平均方 式 包络 ， 于原始信号 部 ， 当 原始信号存在高频噪声及间断噪声时，噪声会将局 部极值点淹没，降低极值点定位精度。本文采用噪 助分 方 LMD 方 适 分 部分进行 改进，将原始信号的局部极值点映射到由噪声辅助 分解方法构建的空间中，再进行包络函数筛选。具 体改进步骤如下。 1采用LMD方法求局部均值,和包络估计 值3之前，在原始信号 t中加入辅助噪声，得到 受干扰信号 X t t 1-N, t 8 式中1,2；-为加入噪声幅值；N, t为加入的 第/对正负白噪声,l 1,2,-,L,L为加入的白噪 声对数。 ・82・ 工矿自动化 45 2采用LMD方法对X t 进行自适应分解, 得到PF分量91. t和残余分量u1j t。则有 “j t 彩譽 15 k x t 9 t Uy t D 3求PF分量91j t平均值. t和残余分 量U1D t 平均值U1 t 9 对式8式15进行循环迭代，求出全部PF 分量，完成MLMD方法自适应分解和特征参数 提取。 3仿真实验仿真实验 91. t 10 6 t j 1 91D t ,U1 t 即为MLMD方法得到的第j个 PF分量和最终的残余分量。 与LMD方法相比,MLMD方法在原始信号中 加入一定比例的受控高斯白噪声后进行辅助分解, 通过将原始信号局部极值点分配到噪声空间，消除 了外部噪声对特征极值的干扰，且加噪方式采用正 u1 t 为了验证MLMD方法的有效性，采用式16 所示的含噪信号夕t进行仿真实验。 ,t , t ,2 t ,3 t ,1 t0. 5sin 2“1t exp exp -t-0. 03 31 -t-0. 08 31 ,2 t sin 200 ,3 t 5sin 100 ] 负成对形式，消除了噪声辅助分解方法带来的残余 噪声。 2. 2 LMD方法特征参数提取”分改进 LMD方法的特征参数提取部分是对纯调频信 16 号51M t的反余弦函数直接求导，进而得到瞬时频 率“t 。但在实际特征提取过程中，当原始信号受 到间断噪声干扰时「⑷，不能保证a r ccos s1M t的取 值范围为［ 1,1］,即无法在全部取值范围内提取特 征参数。文献［9］在检测瞬时频率时对分解得到的 式中,1 t 为间断干扰噪声；,2 t ,3 t 为正弦分 量；“1为信号频率，“1 2 000 Hz； 31为延时参 数 31 7. 5 X 10-7 so 设采样频率为8 k Hz,采样时长为0. 1 s,仿真 信号波形如图1所示。 第5个IMF分量C5 t进行Hil ber t变换，得到瞬时 频率 “5 t 1 2 da r ct a n dt Cq t c5 t 11 图1仿真信号波形 式中C5 t t 平均值。 a r ct a nC q t c5 t 的取值为任意有理数。本文借助 Hil ber t变换思路，对LMD方法的特征参数提取部 分进行改进，对式10得到的PF分量平均值91 t 进行Hil ber t变换，得 91Dt丄「 913 12 J v t 3 式中3为卷积因子。 解析信号为 乙t 9D t j FD t aD t exp t 13 式中aD t为瞬时振幅； t为瞬时相位。 0aj t槡 2jt 92j t / 9 14 t a r ct a n _1j t 1j 91j t 对 t 求导，得到瞬时频率 Fig .1 Simul a t ion sig n a l wa v ef or ms 采用MLMD方法对原始信号,t进行分解, 其中加入噪声幅值 0. 2 4 4为原始信号标准 差，迭代次数6 100。分解结果如图2所示。 图2原始信号MLMD分解结果 Fig 2 MLMDdecomposit ion r esul t sof or ig in a l sig n a l 为了综合对比各自适应诊断方法的分解效果, 给出EMD,LCD,LMD方法的分解结果，如图3 所。 2019年第10期徐青青等一种煤矿机械轴承故障诊断方法・83・ 0 0.02 0.04 0.06 0.08 0.10 t/s a EMD方法 信号分量之间的相关性，RMSE（ Root Mea n Squa r e Er r or ,均方根误差）为分解分量均方根误差的平均 值，迭代次数为方法筛选全部分量的迭代次数和，计 算耗时为在配置为8 GB内存、3. 2 GHz CPU计算 机及Ma t l a b2014a环境中运行80次方法时消耗时 间 平均 。 表1不同方法性能评价指标 Ta b l e1 Per f or ma n ceev a l ua t ion in dica t or of difer en t met hod b LCD方法 0 0.02 0.04 0.06 0.08 0.10 t/s （c） LMD方法 图3 原始信号EMD,LCD,LMD分解结果 Fig . 3 EMD,LCD a n d LMD decomposit ion r esul t s of or ig in a l sig n a l 从图1图3可看出，由于高频信号的干扰，各 方法对低频分量,2 “）和,3 “）的提取总体上优于高 频分量,1“）其中EMD,LCD方法的分解抗噪性 一般EMD方法欠筛选分解出2条IMF分量，且分 量中出现模态混叠现象，各分量物理意义不明确； LCD方法过度筛选分解出4条分量4 “）仇⑺, 各分量特征辨识度不高。LMD方法分解效果较 EMD,LCD方法有所提高，能够准确分解出对应频 带的3条分量，但在提取F1“）和F3“）时出现一定 端点效应，且分量波形有一定失真。MLMD方法中 F1“）迭代12次、F2“）迭代9次、F3（）迭代8次即 完成分解，因采用噪声辅助分解方法，高频噪声干扰 得到抑制，整体分解效果优于其他方法，但提取 F1（ t）时存在小幅振荡失真，提取F2（ t）和F3（ t）时 端点效应的处理还可继续完善。 各方法性能评价指标见表1。其中相关系数 Cor r el a t ion Coeficien t， CC） 分 分 原始 方 ,1 t CC ,2 t,3 t RMSE迭代次数计算耗时 EMD0.558 0. 657 0.8781210.97 LCD0.7660.8750.8450.7441816.55 LMD0.654 0. 901 0.9210.3562218.78 MLMD0.8410.9550.956 0. 214 2923.15 从表1可看出，MLMD方法在CC和RMSE指 标方面可获得较理想的结果，表明其模态混叠效应 、 分 果 ； 助 分 方 ， 导致迭代次数增加，增加了计算耗时。 分别采用LMD和MLMD方法对原始信号分 量,3（ t）进行特征提取，所得瞬时幅值和瞬时频率如 图4特征提取结果对比 Fig .4 Compa r ion of f ea t ur eext r a ct ion r eul t 由图4可知，LMD方法在对,3 （ t）瞬时频率和 进行 特征 一 定 失 真， 点 较为明显，频率提取误差为15. 92 ，幅值检测误差 为4.22 ；MLMD方法的频率和幅值检测误差分 别为1.12 ,0.48 ，明显优于LMD方法。 4轴承故障诊断轴承故障诊断测试 为进一步验证MLDM方法对轴承故障的诊断 ・・84・ ・ 工矿自动化 45 性能，基于美国凯撒西储大学公开的轴承数据「15-, 采用MLMD方法对轴承振动信号进行分析。轴承 内圈和外圈故障振动加速度信号如图5所示。电动 机驱动端采用6206-RS深沟型轴承，轴承内径为 25 mm、外径为52 mm,转速为1 730 r /min,负载为 0,采样频率为12 k Hz。经计算，该轴承内圈、外圈单 点故障特征频率理论值分别为156. 14,103. 36 Hz。 a内圈故障 0 0.02 0.04 0.06 0.08 0.10 时间/s b外圈故障 图5轴承故障振动加速度信号波形 Fig .5 Wa v ef o-msof v ib -a t ion a ccel e-a t ion sig n a l of b ea -in g f a ul t 采用LMD,MLMD方法对内圈故障信号进行 分解，其中LMD方法分解得到10条PF分量, MLMD方法分解得到9条PF分量。本文仅给出 具有代表性的前5条PF分量，如图6所示。可看 出针对具有高频振动特征的故障信号，LMD, 0舟門H伸啊附艸愉耐呷砂卜 MLMD方法分解得到的PF分量均有小幅波动情 况，且分解耗时较长；MLMD方法可较好地抑制模 混 ， PF 分 动特征 。 对图6中PF分量依次进行瞬时频率和瞬时幅 值特征提取，并将瞬时参数转换为幅频包络谱,15-, 结果如图7所示。 a LMD 方 a LMD分解结果 b MLMD分解结果 图6内圈故障信号分解结果 Fig .6 Decomposit ion -esul t sof in n e--in g f a ul t sig n a l b MLMD 方 图7内圈故障特征提取结果 Fig .7 Fea t u-eext -a ct ion -esul t sof in n e--in g f a ul t sig n a l 由图7可知，LMD,MLMD方法通过包络谱变 故 特 征 , 94 ; , 4 PF 分量的包络谱无明显差异。故障频率主要集中在 94“频段，在94 t中除提取到内圈故障频率“i 外，还提取到调制频率“i-“r，“i “r “r为干扰频 率。由于LMD方法出现一定的模态混叠效应，故 障频率与调制频率之间存在较多的噪声干扰信号, 影响了故障特征提取精确度，导致内圈故障频率提 取误差较大，为169.58 Hz。而MLMD方法提取的 故障频段较为清晰，一定程度上抑制了模态混叠效 应，谱线之间干扰频率较少，提取的故障特征频率为 158.85 Hz,更接近实际频率。 外圈故障特征提取结果如图8所示。可看出 EMD， ，LCD， ，LMD 和 MLMD 方 圈 故 I裁一 2019年第10期徐青青等一种煤矿机械轴承故障诊断方法・85・ 障频率几夕卜，还提取出调制频率fwfrw “r。 EMD方法对故障特征频率的提取误差较大，为 13.70, LCD 方法为 11. 76, LMD 方法为 5.32，而MLMD方法提取的故障特征频率为 106. 88 Hz,误差为3. 11，满足轴承故障诊断 要求。 a EMD方法提取C4“包络谱 y 0.010 | 0.005 100 200 300 400 频率/Hz 500 6000 b LCD方法提取45“包络谱 、「0.010「九y「九 養 1 -005 ........................ 0 100 200 300 400 500 600 频率/Hz c LMD方法提取F5t 包络谱 、字 0.010 4cm1 s g - 0.005 一 f fw Jw Jk 厂 100 200 300 400 500 600 频率/Hz d MLMD方法提取Fi5t包络谱 图8外圈故障特征提取结果 Fig .8 Fea t ur eext r a ct ion r esul t sof out er r in g f a ul t sig n a l 5结论结论 1 对LMD方法进行改进，提出了 MLMD方 法针对LMD方法的自适应分解部分在高频噪声 及间断噪声干扰下存在模态混叠、端点效应、虚假分 量等问题，引入噪声辅助分解方法，抑制了高频噪声 及间断噪声对信号分解的影响；针对LMD方法的 特征参数提取部分因采用反余弦函数对纯调频信号 直接求导而无法在全部取值范围内提取特征参数的 问题，将PF分量先进行Hil ber t变换，然后进行特 征参数提取，提高了瞬时特征参数提取精度。 2 通过仿真及测试验证了基于MLMD的煤 矿机械轴承故障诊断方法对轴承故障信号分解和特 征参数提取的效果较好，对轴承内外圈故障诊断的 准确性较高。 3 限于煤矿环境的复杂性和煤矿机械故障数 据的采集难度，没有针对煤矿机械轴承故障数据进 行特征提取和深入分析。下一步的研究重点是针对 实测数据进行故障识别。 参考文献References 机电工程技术，2018,479182183. LIXia ohui，LI Hui8Min e equipmen t bea r in g f a il ur e in spect ion a n d t r ea t men t ,J-. Mecha n ica l El ect r ica l En g in eer in g Techn ol og y 2018，479182-1838 ,2-刘晓波.旋转机械故障诊断若干关键技术研究及应用 ［M-.北京机械工业出版社，2012. ,3 -李舜酩，郭海东，李殿荣.振动信号处理方法综述［J-. 仪器仪表学报，2013,34819071915. LIShun min g，GUO Ha idon g，LIDia n r on g Rev iew of v ibr a t ion sig n a l pr ocessin g met hods ［J-. Chin ese Jour n a l of Scien t if ic In st r umen t，2013，34 8 1907-19158 ,4-孙兆伟.基于现代信号处理的结构模态参数识别与损 伤识别研究［D-.北京北京邮电大学，2012. ,5 -欧璐，于德介.路图傅里叶变换及其在滚动轴承故障 诊断中的应用［J-.机械工程学报，2015 , 51 23 76-83 OU Lu,YU Dejie. Pa t h g r a ph f our ier t r a n sf or ma t ion a n dit sa ppl ica t ion st or olin g b ea r in g f a ul t dia g n osis ［J-. Jour n a l of Mecha n ica l En g in eer in g, 2015, 51 2376-83 ,6-位礼奎.基于振动信号分析的煤矿主通风机故障诊断 研究［D-.徐州中国矿业大学，2016. ［7 -吴舰，黄侠.提升小波变换在煤矿轴承故障诊断中的 应用研究［J-.工矿自动化，2016,429 7476. WUJia n， HUANG Xia Appl ica t ion r esea r ch of l if t in g wa v el et t r a n sf or m in f a ul t dia g n osis of coa l min e bea r in g , J-. In dust r y a n d Min e Aut oma t ion, 2016，42974-76 ,8 -张云强，张培林，吴定海，等.基于最优广义S变换和 脉冲耦合神经网络的轴承故障诊断［J-.振动与冲击, 2015 ,34926-31 ZHANG Yun qia ng, ZHANG Peil in, WU Din g ha i, et a l Bea r in g f a ul t dia g n osis ba sed on opt ima l g en er a l ized S t r a n sf or m a n d pul se coupl ed n eur a l n et wor k,J-. Jour n a l of Vibr a t ion a n d Shock , 2015, 34926-31 ,9 -乔淑云.基于EMD方法的煤矿绞车轴承故障诊断 ［J-.工矿自动化，2016,4245154. QIAO Shuy un Fa ul t dia g n osis f or min e hoist bea r in g ba sed on EMD met hod , J -. In dust r y a n d Min e Aut oma t ion 2016,42451-54 ［10- ZHENG Jin de, CHENG Jun shen g, YU Ya n g . A r olin g b ea r in g f a ul t dia g n osisa ppr oa chb a sedon LCD a n d f uzzy en t r opy ,J - Mecha n ism a n d Ma chin e Theor y 2013 70 441-453 ,11-任子晖，渠虎，王翠，等.基于补充总体局部均值分解 的轴承故障诊断方法［J-.郑州大学学报工学版, 2018,393 62-66. ,1 -李小辉，李辉.矿山设备轴承故障的检查与处理［J-.下转第90页 90 工矿自动化 45 4结论结论 1 火焰传感器的平均响应时间为4 ms,控制 器的平均响应时间为12 ms。 2 高压细水雾生成时间较稳定，平均生成时 间为96 ms,最长生成时间为100 ms。 3 在高压细水雾作用于燃烧火焰1s后，燃烧 火焰基本被扑灭，燃烧火焰传播至距中心点火位置 0.2 m左右停止了传播扩散，验证了该系统能够有 效避免沉积可燃性粉尘燃烧火焰的蔓延，有效防止 可燃性粉尘火灾事故。 参考文献References [1 -赵衡阳.气体和粉尘爆炸原理[M-北京北京理工大 学出版社，1996. [2-杜志明.高温热表面上沉积的可燃性粉尘自热着火研 究[J-兵工安全技术2000125-28. DU Zhimin g . Exper imen t a l st udy on t her ma l ig n it ion of combust ibl e dust dl eposit ed on a hot sur f a ce[J-. Bin g g on g An qua n Jishu,20001 25-28. [3-崔崔来超.基于可燃粉尘火灾的防火措施探索[J-化学 工程与装备，20152199201. [4 -郝伟可燃粉尘火灾爆炸事故的预防及消防措施[J-. 安全、健康和环境，2009,95810. HAO Wei8Pr ev en t ion of f l a mma bl e dust f ir e a n d expl osion a cciden t sa n dt heir f ir ef ig ht in g mea sur es [J-. Sa f et y Hea l t h g En v ir on men t ,2009,95 8-10. [5-李露.高压细水雾灭火系统在档案馆中的应用[J-给 2016，42495-98. [6-林彬细水雾灭火系统在汽车涂装车间喷漆室的应用 研究[D-合肥中国科学技术大学2015. [7 -杨琦,潘京生.高压细水雾灭火系统技术给水排 2003 299 49-528 上接第85页 REN Zihui， QU Hu， WANG Cui， et a l . Resea r ch on f a ul t dia g n osis met hod of bea r in g ba sed on compl emen t a r y en sembl e l oca l mea n decomposit ion [J-.Jour n a l of Zhen g zhou Un iv er sit yEn g in eer in g Scien ce 2018，39362-66. [12- HUANG N E， DAUBECHIES I， HOU T Y. Ada pt iv eda t a a n a l y sis t heor y a n da ppl ica t ion s[J-. Phil osophica l Tr a n sa ct ion s of t he Roy a l Societ y A- Ma t hema t ica l Phy sica l a n d En g in eer in g Scien ces， 2016，374206520150207. [13- WU Zha ohua， HUANG N E.En semb l e empir ica l mode decomposit ion a n oise-a ssist ed da t a a n a l y sis YANG Qi， PAN Jin g shen g . Hig h pr essur e f in e a t omizer f ir e con t r ol sy st em[J-. Wa t er g Wa st ewa t er En g in eer in g 2003 299 49-52. [8-汪汪军.受限空间内高压细水雾雾灭火机理研究[D-. 淮南安徽理工大学2016. [9 - ZHOU Y，BU R，GONG J， et a l . Assessmen t of a cl ea n a n d eficien t f ir e-ext in g uishin g t echn ique con t in uousa n dcy cl in g discha r g e wa t er mist sy st em [J -8Jour n a l of Cl ea n er Pr oduct ion2018182 682-6938 [10-王超高压细水雾灭火技术在灭火中的应用科学 技术创新，20183040-41. [11- YAO B，CHOW W K. A r ev iew of wa t er mist f ir e suppr ession sy st ems [J-.Jour n a l of Appl ied Fir e Scien ce2000 10 3 277-294. [12-刘江虹，廖光煩，范维澄，等.细水雾灭火技术及其应 用火灾科学 2001,10134-3 8 LIUJia n g hon gLIAO Gua n g xua nFAN Weichen g et a l 8In t r oduct ion of wa t er mist f ir e suppr ession t echn ique[J-8Fir e Sa f et y Scien ce200110 1 34-388 [13- JENFT A COLLIN A BOULET Pet a l 8 Exper imen t a l a n d n umer ica l st udy of pool f ir e suppr ession usin g wa t er mist [J -8 Fir e Sa f et y Jour n a l2014 671-128 [14- PANCAWARDANI F，ARINID，YUNINDAR RP， et a l 8An a l y sisof wa t er mist f ir esuppr ession sy st em a ppl iedon celul osef ir e[J-8Pr ocedia En g in eer in g 2017 170344-3518 [5-成纯赞，刘治虱水喷雾灭火系统若干问题的探讨 [J-8 2002 28664-668 CHENG Chun za nLIU Zhig uo8On pr ob l emsin t he wa t er spr a y in g f ir esy st em[J-8Wa t er g Wa st ewa t er En g in eer in g 2002 28664-668 met hod [J-8Adv a n ces in Ada pt iv e Da t a An a l y sis 2011,111-41. [14- WANG Ya n xue， HE Zhen g jia， ZI Ya n y a n g . A compa r a t iv est udy on t hel oca l mea n decomposit ion a n d empir ica l mode decomposit ion a n d t heir a ppl ica t ion st o r ot a t in g ma chin er y hea l t h dia g n osis [J-8Jour n a l of Vib r a t ion a n d Acoust ics 2010 132 20210108 [15-雷亚国基于改进Hil b er t -Hua n g变换的机械故障诊 断机械工程学报，2011,4757177. LEI Ya g uo. Ma chin er y f a ul t dia g n osis ba sed on impr ov ed Hil b er t -Hua n g t r a n sf or m [J- Jour n a l of Mecha n ica l En g in eer in g 2011 47 571-77