石瑞敏,楊兆建

(太原理工大學(xué)機(jī)械工程學(xué)院,山西太原 030024)

基于改進(jìn)EMD的多繩摩擦提升機(jī)載荷信息特征提取

石瑞敏,楊兆建

(太原理工大學(xué)機(jī)械工程學(xué)院,山西太原 030024)

為解決多繩摩擦提升機(jī)有效提升載荷的間接識別問題,提出了一種基于振動信號分析處理的特征提取方法。該方法以主軸裝置軸承處水平振動信號為對象,利用改進(jìn)的經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)方法將振動信號分解為若干有效固有模態(tài)函數(shù)(IMFs),改善了經(jīng)典EMD方法模態(tài)混疊與端點(diǎn)效應(yīng)現(xiàn)象,選取各階IMF的能量、方差貢獻(xiàn)率與能量矩作為特征值,探討了特征值與提升機(jī)有效載荷之間的內(nèi)在聯(lián)系。結(jié)果表明,該方法中分析信號的獲取不改變提升機(jī)主軸系統(tǒng)結(jié)構(gòu),不影響提升機(jī)正常運(yùn)行,易于實(shí)現(xiàn)長期在線監(jiān)測,便于大量基礎(chǔ)數(shù)據(jù)的采集,為提升載荷定量識別積累了樣本數(shù)據(jù)。所選取的3個(gè)特征值從大小、權(quán)重及分布的角度較好地反映了提升載荷特征信息。

改進(jìn)EMD;提升載荷;特征提取;振動分析

礦井提升設(shè)備作為煤礦生產(chǎn)中聯(lián)系井上井下的紐帶,是關(guān)系生產(chǎn)與人員安全的關(guān)鍵設(shè)備之一,一旦出現(xiàn)故障將造成巨大的經(jīng)濟(jì)損失甚至人員的傷亡。在諸類安全事故中,由于過裝或未卸凈引起的過卷、滑動甚至墜罐,以及由于罐道劣變等引起的卡繩、松繩甚至斷繩等安全事故時(shí)有發(fā)生,而這些故障都可以直接或間接的由提升載荷反映出來。目前對提升載荷的動態(tài)檢測方法主要有壓輪法與直接測量法,前者通過將壓輪推向工作過程中的鋼絲繩,測得提升鋼絲繩對壓輪作用的壓力從而計(jì)算得到提升載荷,在調(diào)整鋼絲繩張力差方面得到了較好的應(yīng)用效果[1]。后者將傳感器安裝于提升鋼絲繩與提升容器間[2]或安裝于提升容器器件間[3]直接測得提升載荷。兩類方法均需要對提升系統(tǒng)結(jié)構(gòu)進(jìn)行改造,對傳感器與監(jiān)測系統(tǒng)安全可靠性要求較高。

振動信號是旋轉(zhuǎn)機(jī)械故障特征信息的載體[4],筆者在對提升機(jī)主軸兩側(cè)軸承進(jìn)行監(jiān)測的過程中發(fā)現(xiàn),提升載荷作用于鋼絲繩,在提升過程中引發(fā)的振動將傳導(dǎo)至滾筒乃至主軸,使得軸承處振動信號包含著提升載荷的重要信息。與提升設(shè)備其他系統(tǒng)相比,提升載荷的特征信號比較微弱,信噪比低,具有很強(qiáng)的非線性、非平穩(wěn)及噪聲特性,傳統(tǒng)的信號處理方法在處理這類信號方面存在缺陷。如短時(shí)傅里葉變換對不同時(shí)段變化了的信號只能加相同的窗,不適應(yīng)信號頻率不斷變化的不同要求;小波分析克服了傅里葉變化窗口不可調(diào)的缺點(diǎn),提高了分辨率,但對小波窗內(nèi)的信號平穩(wěn)性提出要求,因?yàn)闆]有擺脫傅里葉變換的局限,并且存在信號能量泄露和非自適應(yīng)性的缺點(diǎn)。經(jīng)驗(yàn)?zāi)Ｊ椒纸?empirical mode decomposition, EMD)是1998年由黃鍔等提出的可對非線性非平穩(wěn)信號進(jìn)行有效分析的信號處理方法[5]。由于其良好的局部特性與自適應(yīng)性,EMD自提出以來被應(yīng)用于地震信號[6－7]、語音識別[8]、故障診斷[9－11]等各個(gè)領(lǐng)域,并取得良好的效果。但是EMD方法仍舊存在一些不足,如模態(tài)混疊、端點(diǎn)效應(yīng)、包絡(luò)線選擇及停止準(zhǔn)則等[12－14]。本文旨在對EMD方法存在的問題進(jìn)行改進(jìn),并在此基礎(chǔ)上提出一種多繩摩擦提升機(jī)載荷信息特征提取方法的新思路,為進(jìn)一步實(shí)現(xiàn)載荷定量識別提供理論依據(jù)。

1 改進(jìn)的EMD方法

1.1 EMD理論及存在問題

EMD方法是一種適用于非線性、非平穩(wěn)性信號的時(shí)頻分析方法。此方法根據(jù)被分析信號本身特點(diǎn)構(gòu)造基函數(shù),自適應(yīng)的選擇頻帶,從局部時(shí)間尺度入手,確定信號在不同頻段的分辨率,將復(fù)雜信號分解為具有不同尺度特征的固有模態(tài)函數(shù)(intrinsic mode functions,IMF),因此,該方法具有良好的局部適應(yīng)性和時(shí)頻分辨率,較好地克服了小波變換存在的問題。EMD方法實(shí)質(zhì)上可看作截止頻率與帶寬隨信號變化的帶通濾波器,從數(shù)據(jù)的特征時(shí)間尺度入手對信號進(jìn)行分解,原始信號x(t)經(jīng)EMD分解后,得到有限數(shù)目IMF和一個(gè)剩余分量,即

其中,n為分解后IMF數(shù)量;ci(t)為分解得到的n組IMF分量,各分量均滿足平穩(wěn)性條件;r(t)為分解后的剩余分量。EMD方法因其在處理非線性非平穩(wěn)性信號時(shí)表現(xiàn)出的良好特性,在實(shí)踐中有大量應(yīng)用,但是理論本身仍有以下需要完善的不足之處。

(1)在EMD分解過程中存在模態(tài)混疊現(xiàn)象,即同一頻率信號被分解在不同的IMF中,或一個(gè)IMF中包含多個(gè)不同頻率的信號。當(dāng)原始信號中存在間隙性成分或脈沖成分時(shí),模態(tài)混疊現(xiàn)象更為明顯。

(2)EMD分解過程中采用極值點(diǎn)構(gòu)造包絡(luò)曲線,而被分析信號端點(diǎn)處往往非極值點(diǎn),這就導(dǎo)致每個(gè)分解過程中都會在端點(diǎn)處產(chǎn)生擬合誤差,隨著分解進(jìn)行,誤差影響會逐步擴(kuò)大。尤其是分解后期的低頻IMF分量,端點(diǎn)效應(yīng)現(xiàn)象更為明顯,誤差的累積和傳播會導(dǎo)致分解結(jié)果的失真,產(chǎn)生虛假的IMF分量。

1.2 改進(jìn)的EMD

針對以上提出的模態(tài)混疊、端點(diǎn)效應(yīng)及虛假IMF分量的缺陷,提出采用集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?ensemble empirical mode decomposition,EEMD)方法改善模態(tài)混疊現(xiàn)象,利用鏡像邊界延拓與灰色預(yù)測模型延拓方法相結(jié)合來抑制端點(diǎn)效應(yīng),最后采用相關(guān)系數(shù)法剔除假IMF分量。

(1)EEMD算法是Zhaohua Wu和Huang提出的一種噪聲輔助的數(shù)據(jù)分析方法[15],可以在不影響EMD自適應(yīng)性的前提下減少模態(tài)混疊對EMD分解結(jié)果的影響。EEMD分解過程為:將高斯白噪聲與原始信號疊加后進(jìn)行多次EMD分解,由于高斯白噪聲具有頻率均勻分布的統(tǒng)計(jì)特性,使得不同尺度的信號成分自動分布到合適的參考尺度上,從而降低各IMF分量的模態(tài)混疊程度;并且由于零均值噪聲的特性,經(jīng)過足夠多次平均運(yùn)算處理后所加入的高斯白噪聲將相互抵消,原始信號得到還原。

在應(yīng)用EEMD方法時(shí),有2個(gè)重要參數(shù)需要考慮:首先,對于所加入的高斯白噪聲的幅值選取十分重要,如果幅值過小,可能不足以引起信號局部極值點(diǎn)的變化,使得白噪聲的加入對EMD無作用;如果幅值過大,則會產(chǎn)生過多虛假IMF分量,使分解誤差增大,甚至淹沒原始信號特征使分解失真。其次,隨著分解次數(shù)的增加所加入白噪聲的幅值會隨之降低,理論上,分解次數(shù)越大則分解誤差越小,但是過大的分解次數(shù)代價(jià)是計(jì)算效率的降低,故應(yīng)選取適當(dāng)值。Huang[15]建議所加入白噪聲的幅值可以由原始信號的標(biāo)準(zhǔn)差乘以一個(gè)系數(shù)(一般取0.2)來確定,信號中高頻成分多時(shí)系數(shù)適當(dāng)減小,反之則適當(dāng)增大。分解次數(shù)可通過設(shè)置分解誤差來確定。

(2)抑制端點(diǎn)效應(yīng)多采用在原始信號兩端通過一定方法增加信號長度,經(jīng)HHT變換后再從結(jié)果中除去延長部分方法。目前所提出波形延拓、神經(jīng)網(wǎng)絡(luò)延拓、支持向量回歸預(yù)測及邊界極值延拓等方法,在一定程度上消除了端點(diǎn)效應(yīng)的影響,但仍存在局限性。本文提出利用灰色預(yù)測模型與鏡像延拓相結(jié)合的方法來抑制端點(diǎn)效應(yīng)。根據(jù)被分析信號的特性,考慮到其發(fā)展過程與各影響因素是一種灰色不確定性關(guān)系,選取灰色動態(tài)預(yù)測模型GM(1,1)對信號進(jìn)行延拓,此方法具有要求樣本數(shù)據(jù)少、原理簡單、計(jì)算量小、可檢驗(yàn)等優(yōu)點(diǎn)。具體延拓過程如下:

①以信號左端延拓為例,取靠近左端點(diǎn)處的5個(gè)極大(小)值組成原始序列,建立原始信號x(t)的灰色微分方程:

其中,a為發(fā)展灰數(shù);b為內(nèi)生控制灰數(shù)。二者由已知數(shù)據(jù)及最小二乘法確定,在此不贅述。求出a,b后可得預(yù)測模型:

②先用原始序列建立的GM(1,1)模型預(yù)測得到一個(gè)值,然后把這個(gè)值加入到原始序列中,同時(shí)剔除一個(gè)最遠(yuǎn)端數(shù)據(jù),以新的原始序列重復(fù)步驟①,再預(yù)測下一個(gè)數(shù)值,循環(huán)進(jìn)行直至達(dá)到要求的預(yù)測精度。為滿足信號延拓要求,需要對數(shù)據(jù)極大值和極小值分別預(yù)測兩個(gè)值。

③對信號右端進(jìn)行相同處理,最后將延拓得到的端點(diǎn)值與原信號連接起來形成新的信號序列。在此基礎(chǔ)上應(yīng)用鏡像延拓法,以預(yù)測得到的各端點(diǎn)作為鏡像點(diǎn)進(jìn)行延拓,從而得到較理想的延拓?cái)?shù)據(jù)。

(3)EMD分解后得到的各IMF分量中,真實(shí)IMF分量與原始信號在理論上滿足正交性,具有較大的相關(guān)系數(shù),而虛假IMF分量與原始信號相關(guān)系數(shù)較小。因此,可通過計(jì)算IMF分量與原始信號的相關(guān)系數(shù)來識別并剔除虛假IMF分量。

2 改進(jìn)EMD方法的信號消噪分頻處理

運(yùn)用改進(jìn)的HHT方法對原始信號進(jìn)行處理流程如圖1所示,其步驟包括:

圖1 改進(jìn)的EMD處理流程Fig.1 Flowchart of improved EMD

(1)將原始信號x(t)加入一個(gè)正態(tài)分布的白噪聲序列nj(t),使得x～(t)=x(t)+nj(t)。

(2)將得到的信號x～(t)進(jìn)行EMD分解,過程中在求取信號極值點(diǎn)后,采用鏡像與灰色預(yù)測模型相結(jié)合的方式對信號進(jìn)行延拓,最終得到各IMF分量ci(t),i=1,2,3,…,n。

(3)重復(fù)步驟(1)2N次,每次加入新的隨機(jī)正態(tài)分布的白噪聲序列nj(t)。

(4)將N次分解得到的固有模態(tài)分量IMF做集成平均處理,當(dāng)N足夠大時(shí),可使添加白噪聲的影響趨近于0,進(jìn)而得到IMF的最終結(jié)果。

(5)計(jì)算各IMF分量與原始信號的相關(guān)系數(shù),以此為依據(jù)篩選有效IMF集。

(6)將有效IMF集重構(gòu)信號,進(jìn)行Hilbert變換。

為驗(yàn)證此方法的有效性,將3個(gè)頻率分別為3, 11,16 Hz,幅值分別為1,0.4,0.9的正弦信號疊加,如下式:x(t)=sin(2π×3t)+0.4sin(2π×11t)+ 0.9sin(2π×16t),采樣頻率為500 Hz,采樣長度1 000點(diǎn),時(shí)域信號如圖2所示。

圖2 仿真信號時(shí)域Fig.2 Time-domain chart of simulation signal

對數(shù)據(jù)分別采用原始與改進(jìn)EMD兩種方法進(jìn)行分析。圖3為原始EMD分解結(jié)果與信號的Hilbert時(shí)頻譜圖,從圖3(a),(b)可看出,IMF1由兩種頻率的正弦信號疊加,出現(xiàn)了明顯的模態(tài)混疊現(xiàn)象,反映到圖3(c)上,11與16 Hz譜線對應(yīng)位置出現(xiàn)較大變形,未正確區(qū)分。另外從Hilbert時(shí)頻譜中可看出,信號兩端出現(xiàn)了明顯的頻率發(fā)散,并向信號內(nèi)部傳播,靠近邊界處尤為嚴(yán)重,只有信號中間部分可以反映信號的特征。采用本文改進(jìn)EMD方法對信號重新分解結(jié)果如圖4所示,從圖4(a),(b)EMD分解結(jié)果及頻譜可以看出,相近頻率11與16 Hz成功分解到兩個(gè)IMF分量中,模態(tài)混疊現(xiàn)象得以解決,從圖4(c)亦可看出,頻率發(fā)散現(xiàn)象趨勢變緩,端點(diǎn)效應(yīng)得到抑制。

圖3 原始EMD分解結(jié)果Fig.3 Decompose results of original EMD

圖4 改進(jìn)EMD分解結(jié)果Fig.4 Decompose results of improved EMD

3 基于IMF能量信息的提升載荷信息特征提取

反映提升機(jī)載荷信息的特征參數(shù)有電流、振動或直接測量鋼絲繩張力等。當(dāng)提升機(jī)上提和下放載荷時(shí),提升容器的振動會通過鋼絲繩作用于提升機(jī)從而反應(yīng)在包括軸承與減速器的主軸系統(tǒng)上,由于載荷變化會引起軸承水平方向振動信號的波動,故本文拾取主軸裝置兩側(cè)軸承水平方向振動信號,采用改進(jìn)的EMD方法對振動信號中包含的載荷特征信息進(jìn)行提取。經(jīng)改進(jìn)EMD處理后得到的有效IMF集中,各階IMF分量所含的頻率成分不同,階數(shù)越低所含信號的高頻成分則越多。各階IMF分量的能量以及在整個(gè)頻帶上的能量分布能夠刻畫出信號的整體特征,因此,本文提出以IMF分量的能量變化作為參考依據(jù)提取載荷信息特征。

圖5為某礦副立井型號為JKM 2.8×6(I)A的多繩摩擦提升機(jī)主軸系統(tǒng),傳感器布置在軸承座頂端,采集每個(gè)提升過程中水平方向(以圖中X方向?yàn)檎?振動信號,采樣頻率500 Hz,截取勻速提升時(shí)6 s數(shù)據(jù)作為待分析信號。副立井主要負(fù)責(zé)運(yùn)送人員、設(shè)備以及提升矸石等,故載荷情況較為復(fù)雜,每次提升載荷情況差別較大,本文以1號罐提升工況選取5組數(shù)據(jù)作為示例,載荷數(shù)據(jù)見表1。

圖5 多繩摩擦提升機(jī)主軸裝置傳感器布置Fig.5 Sensors placement on spindle device of multi-rope hoist

表1 示例載荷數(shù)據(jù)Table 1 Load data of sampleskN

首先采用改進(jìn)的EMD方法對被分析信號進(jìn)行消噪分頻處理,得到5階有效IMF集,如圖6所示。

圖6 實(shí)測信號的改進(jìn)EMD分解Fig.6 Improved EMD of actual signal

針對被測振動信號的非平穩(wěn)性特點(diǎn),當(dāng)載荷發(fā)生變化時(shí),其振動信號在各個(gè)頻段的能量必將發(fā)生變化,而隨著工況不同,經(jīng)改進(jìn)的EMD分解后的各有效IMF分量包含了不同頻段的信息,為了更好地提取隱藏在信號中的載荷信息,選取IMF分量能量值,方差貢獻(xiàn)率及能量矩從能量大小、權(quán)重和分布的角度對信號本質(zhì)特征進(jìn)行分析。其定義分別為

圖7為各階IMF分量特征值,各特征值隨載荷的變化。從圖7(a)可以看到,隨著提升載荷總重的增加,第1階IMF能量值呈上升趨勢,但當(dāng)提升載荷總重相近時(shí),載荷總重大但載荷差小的工況第1階IMF能量值反而小,需要從第2階及以后的IMF能量上反映真實(shí)載荷情況;圖7(b)為各階IMF分量的方差貢獻(xiàn)率,體現(xiàn)了各階能量在總能量中的權(quán)重,可以看到能量主要集中于前兩階IMF分量中;還選取了能量矩作為表征載荷信息的特征值,如圖7(c)所示,能量矩指標(biāo)考慮到了IMF能量隨時(shí)間t的分布情況,可以體現(xiàn)能量的分布特征。從上述分析可以得到,相對于不能完整快捷反映載荷信息的單一的能量指標(biāo),將可以體現(xiàn)能量的大小、權(quán)重及分布的指標(biāo)結(jié)合起來,可以更好地揭示IMF集能量特征以及與載荷的對應(yīng)關(guān)系,有利于后續(xù)的載荷識別與故障診斷。

圖7 各階IMF分量特征值Fig.7 Characteristic parameters of IMFs

4 結(jié) 論

(1)多繩摩擦提升機(jī)主軸裝置軸承處水平振動信號中蘊(yùn)含了提升載荷的一些特征信息。

(2)提出了一種改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解方法,仿真結(jié)果表明此方法改善了原始EMD方法存在的模態(tài)混疊、端點(diǎn)效應(yīng)以及虛假IMF分量問題,快速準(zhǔn)確的得到了有效IMF集,可用于其他類型信號的消噪分頻處理。

(3)利用固有模態(tài)函數(shù)的能量值、方差貢獻(xiàn)率與能量矩從能量大小、權(quán)重及分布3方面相結(jié)合作為提升載荷的主要特征,可以更好地反映提升載荷與振動信號的對應(yīng)關(guān)系。

(4)特征提取是提升載荷識別和診斷中的重要一環(huán),本文提出的方法可以在不改變提升主軸系統(tǒng)結(jié)構(gòu),不影響提升機(jī)正常運(yùn)行的前提下有效提取多繩摩擦提升機(jī)提升載荷特征,可作為進(jìn)一步建立提升載荷識別模型的依據(jù),為提升載荷定量識別與監(jiān)測提供了新思路。

[1] 楊兆建,賈長喜,王勤賢,等.多繩提升機(jī)鋼絲繩張力動態(tài)測試調(diào)整研究[J].煤炭學(xué)報(bào),1995,20(5):519－524.

Yang Zhaojian,Jia Changxi,Wang Qinxian,et al.Dynamic test and adjustment of wire-rope tension of multiple rope friction winder[J].Journal of China Coal Society,1995,20(5):519－524.

[2] 騰孝來,肖興明,胡 明,等.多繩摩擦提升鋼絲繩張力動態(tài)無線監(jiān)測[J].煤礦機(jī)械,2008,29(5):207－208.

Teng Xiaolai,Xiao Xingming,Hu Ming,et al.Dynamic wireless tension monitoring of wire-rope of multiple friction winder[J].Coal Mine Machinery,2008,29(5):207－208.

[3] 邵海燕.多繩提升機(jī)載荷動態(tài)監(jiān)測與提升安全研究[D].青島:山東科技大學(xué),2003.

Shao Haiyan.Study of the real-time monitoring and security of multiwire hoisting load[D].Qingdao:Shandong University of Science and Technology,2003.

[4] 鞠萍華,秦樹人,秦 毅,等.多分辨EMD方法與頻域平均在齒輪早期故障診斷中的研究[J].振動與沖擊,2009,28(5):97－101.

Ju Pinghua,Qin Shuren,Qin Yi,et al.Research on earlier fault diagnosis of gear by method of multi-resolution empirical mode decomposition and frequency domain averaging[J].Journal of Vibration and Shock,2009,28(5):97－101.

[5] Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J].Proceedings of the Royal Society of London, 1998,454(A):903－995.

[6] Huang N E,Chern C C,Huang K,et al.A new spectral representation of earthquake data:Hilbert spectral analysis of Station TCU129, Chi-Chi,Taiwan,21 September 1999[J].Bulletin of the Seismological Society of America,2001,91(5):1310－1338.

[7] 石春香,羅奇峰.時(shí)程信號的Hilbert-Huang變換與小波分析[J].地震學(xué)報(bào),2003,25(4):398－405.

Shi Chunxiang,Luo Qifeng.Hilbert-Huang transform and wavelet analysis of time history signal[J].Acta Seismologica Sinica,2003, 25(4):398－405.

[8] Aicha Bouzid,Noureddine Ellouze.Empirical mode decomposition of voiced speech signal[A].First International Symposium on Control, Communications and Signal Processing[C].2004:603－606.

[9] 程軍圣,于德介,楊 宇,等.EMD方法在轉(zhuǎn)子局部碰摩故障診斷中的應(yīng)用[J].振動、測試與診斷,2006,26(1):24－27.

Cheng Junsheng,Yu Dejie,Yang Yu,et al.Application of EMD to local rub-impact fault diagnosis in rotor systems[J].Journal of Vibration Measurement&Diagnosis,2006,26(1):24－27.

[10] Bassiunya A M,Lib Xiaoli.Flute breakage detection during end milling using Hilbert-Huang transform and smoothed nonlinear energy operator[J].International Journal of Machine Tools and Manufac-ture,2007,47(6):1011－1020.

[11] 時(shí)培明,丁雪娟,李 庚,等.一種EMD改進(jìn)方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J].振動與沖擊,2013,32(4):185－190.

Shi Peiming,Ding Xuejuan,Li Geng,et al.An improved method of EMD and its application in rotating machinery fault diagnosis[J].Journal of Vibration and Shock,2013,32(4):185－190.

[12] 李方熙,陳桂明,劉希亮,等.希爾伯特－黃變換端點(diǎn)效應(yīng)的自適應(yīng)端點(diǎn)相位正弦延拓方法[J].上海交通大學(xué)學(xué)報(bào),2013, 47(4):594－601.

Li Fangxi,Chen Guiming,Liu Xiliang,et al.Processing method for Hilbert-Huang transform end effects self-adaptive endpoint-phase sinusoidal extension[J].Journal of Shanghai Jiaotong University, 2013,47(4):594－601.

[13] 鐘佑明,金 濤,秦樹人.希爾伯特一黃變換中的一種新包絡(luò)線算法[J].數(shù)據(jù)采集與處理,2005,20(1):13－18.

Zhong Youming,Jin Tao,Qin Shuren.New envelope algorithm for Hilbert-Huang transform[J].Journal of Data Acquisition&Processing,2005,20(1):13－18.

[14] 王增才,王樹梁,任鍇勝,等.基于EEMD的提升機(jī)天輪軸承故障診斷方法[J].煤炭學(xué)報(bào),2012,37(4):659－694.

Wang Zengcai,Wang Shuliang,Ren Kaisheng,et al.Research on the method of hoist head sheave bearing fault diagnosis based on EEMD[J].Journal of China Coal Society,2012,37(4):659－694.

[15] Wu Zhaohua,Norden Eh Huang.Ensemble empirical mode decomposition:A noise assisted data analysis method[J].Advances in Adaptive Data Analysis,2008,1(1):1－41.

Feature extraction for hoisting load of multiple rope friction hoist based on improved EMD

SHI Rui-min,YANG Zhao-jian

(School of Mechanical Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

In order to indirectly identity the payload of multi-rope friction hoist,a feature extraction method was proposed based on analysis of horizontal vibration signal which was collected from bearing caps of spindle device.Firstly, improved empirical mode decomposition(EMD)that can restrain the mode mixing phenomenon and reduce the boundary effect was used to decompose the signal into several intrinsic mode functions(IMFs),then the energy,contribution rate of variance and energy moment of IMFs were calculated as characteristic parameters.The intrinsic relationship between the characteristic parameters and the payload of hoist were discussed.The method of signal acquisition didn’t change the structure of spindle system and had no effect on normal operation of hoist.A long-term online monitoring was apt to accomplish,the basic data was easy to obtain,furthermore,a large amounts of sample datum were accumulated for quantitative identification of actual load.It is shown that the characteristic parameters proposed could sensitively reflect the load characters in terms of magnitude,weight and distribution.

improved EMD;hoisting load;feature extraction;vibration analysis

TD53

A

0253－9993(2014)04－0782－07

石瑞敏,楊兆建.基于改進(jìn)EMD的多繩摩擦提升機(jī)載荷信息特征提取[J].煤炭學(xué)報(bào),2014,39(4):782－788.

10.13225/j.cnki.jccs.2013.1502

Shi Ruimin,Yang Zhaojian.Feature extraction for hoisting load of multiple rope friction hoist based on improved EMD[J].Journal of China Coal Society,2014,39(4):782－788.doi:10.13225/j.cnki.jccs.2013.1502

2013－10－18 責(zé)任編輯:許書閣

山西省科技重大專項(xiàng)資助項(xiàng)目(20111101040)

石瑞敏(1983—),女,山西文水人,博士研究生。Tel:0351－6010414,E－mail:srm0018@link.tyut.edu.cn。通訊作者:楊兆建(1955—),男,河北高陽人,教授,博士生導(dǎo)師。Tel:0351－6010414,E－mail:yangzhaojian@tyut.edu.cn