故障诊断是研究设备运行状态信息的变化,进而识别设备运行状态的科学。在故障诊断中,故障特征信息的提取是其研究的瓶颈,而信号处理技术是提取故障特征信息的核心。在实际应用中,大量的信号都是非平稳和非线性的随机信号。目前对非平稳信号处理的主要技术有:短时傅立叶变换(STFT)、时频分析理论(Wigner-Vill分布)和小波变换(WT),但这些方法都存在一定的缺陷。1998年,美籍华人N.E.Huang等人提出了一种新的处理非线性、非平稳的数据处理方法——经验模态分解方法,简称EMD方法。本论文以旋转机械中的转子不平衡和转子不对中故障信号为研究对象,开展基于EMD故障特征信息提取的研究,主要研究成果如下: 在EMD分解过程中,由于利用三次样条插值函数获取上下包络平均值,因此出现了端点问题。如果对端点不加任何处理,三次样条就会产生大幅度的摆动,这种摆动就会影响到故障信号特征信息提取的准确性。已经存在一些解决方法,这些方法都能有效地控制大幅度的摆动。本文探讨了添加极值点与对称延拓相结合的算法,并利用实验数据证明了这种方法的正确性,从而对EMD分析方法进行了改进。 利用改进算法对仿真振动信号进行分析,提取该故障信号的特征信息。将信号EMD分解与IMF组合,实现基于EMD的滤波方法。通过仿真实验及真实数据分析,证明了基于EMD的滤波方法能有效的提取故障特征信息。 采用Bently转子试验台作为实验系统,采集转子各种故障状态下的振动信号,利用故障特征信息提取方法对转子不平衡、不对中故障信号进行特征提取。借助ActiveX部件与DDE技术实现MATLAB与VB的混合编程,从而实现基于EMD的故障特征信息提取软件设计。