基于VMD的超声波电动机退化特征提取研究

doi:1004-7018-46-7-29-33

微特电机 ›› 2018, Vol. 46 ›› Issue (7): 29-33.doi: 1004-7018-46-7-29-33

基于VMD的超声波电动机退化特征提取研究

陈柏言^1,²,李洪儒¹,安国庆^1,³,许葆华¹

^1. 陆军工程大学,石家庄 050003
^2. 中国人民解放军638501部队,白城 137001

收稿日期:2017-04-07 出版日期:2018-07-28 发布日期:2018-07-28
作者简介:陈柏言(1993—)男,硕士研究生,研究方向为装备状态监测与故障预测。
基金资助:
国家自然科学基金项目(51541506);河北省自然科学基金青年科学基金项目(E2017208086);河北省高等学校科学技术研究青年基金项目(QN2017329);河北科技大学通用航空平台青年基金项目(201525)

Research on Degradation Feature Extraction of Ultrasonic Motor Based on VMD

CHEN Bai-yan^1,²,LI Hong-ru¹,AN Guo-qing^1,³,XU Bao-hua¹

^1. Army Engineering University,Shijiazhuang 050003,China
^2. 63850 troops of the PLA,Baicheng 137001,China3. Hebei University of Science and Technology,Shijiazhuang 050018,China

Received:2017-04-07 Online:2018-07-28 Published:2018-07-28

摘要/Abstract

摘要：

压电陶瓷部件开裂是超声波电动机的主要故障模式之一,压电陶瓷片上的孤极信号能够充分反映定子的振动状态,通过监测孤极信号研究超声波电动机的退化状态。利用变分模态分解(VMD)在处理信号时可以将信号分解成多个频段的良好特性,研究一种基于VMD的超声波电动机退化特征提取方法。通过VMD的方法寻找出孤极信号电机工作频率的高频段,提取均方根值、能量、方差和工作频率处幅值等退化特征,通过支持向量机验证了所提取退化特征的有效性。

关键词: 超声波电动机, 退化特征, 变分模态分解, 孤极信号, 支持向量机

Abstract:

The power of the ultrasonic motor depends on the piezoelectric ceramic component which can convert electrical energy into mechanical energy. One of the main causes of motor failure is the cracking of the piezoelectric ceramic. The accurate degradation feature extraction of ultrasonic motor can guarantee the safe operation of the motor before failure. The voltage signal of piezoelectric sensor in piezoelectric ceramics can fully reflect the vibration state of the stator. Taking advantage of VMD that can decompose the signal into several frequency bands when dealing with the signal. A degradation feature extraction method of ultrasonic motor based on VMD was proposed. High frequency of motor operating frequency in the voltage signal of piezoelectric sensor was separated through VMD. The root mean square value, energy, variance and amplitude at the operating frequency were extracted as degradation features. SVM was used to verify the validity of the extracted features.

Key words: ultrasonic motor (USM), degradation feature, variational mode decomposition (VMD), the voltage signal of piezoelectric sensor, support vector machine (SVM)

中图分类号:

TM359.9

陈柏言, 李洪儒, 安国庆, 许葆华. 基于VMD的超声波电动机退化特征提取研究[J]. 微特电机, 2018, 46(7): 29-33.

CHEN Bai-yan, LI Hong-ru, AN Guo-qing, XU Bao-hua. Research on Degradation Feature Extraction of Ultrasonic Motor Based on VMD[J]. Small & Special Electrical Machines, 2018, 46(7): 29-33.

参考文献

[1]	MEDJAHER K, SKIMA H, ZERHOUNI M . Condition assessment and fault prognostics of microelectromechanical systems[J]. Microelectronics Reliability, 2014,54(6):143-151.
[2]	STEPANENKO D A, MINCHENYA V T . Development and study of novel non-contact ultrasonic motor based on principle of structural asymmetry[J]. Ultrasonics, 2012,52(8):866-872.
[3]	SHI J Z, YOU D M . Characteristic model of travelling wave ultrasonic motor[J]. Ultrasonics, 2014,54(11):725-730.
[4]	赵淳生 . 超声电机技术与应用[M]. 北京: 科学出版社, 2007.
[5]	胡敏强, 王心坚, 金龙 , 等. 行波超声波电机瞬态特性的测试及分析[J]. 中国电机工程学报, 2006,26(23):120-125.
[6]	LI H R, WANG Y K, WANG B , et al. The application of a generalized mathematical morphological particle as a novel indicator for the performance degradation assessment of a bearing[J].Mechanical Systems and Signal Processing, 2017(82):490-502.
[7]	DRAGOMIRETSKIY K, ZOSSO D . Variational mode decomposition[J]. IEEE Transactions on Signal Processing, 2014,62(3):531-544.
[8]	LIU Y Y, YANG G L, LI M , et al. Variational mode decomposition denoising combined the detrended fluctuation analysis[J]. Signal Processing, 2016,125(4):349-364.
[9]	MERT A . ECG feature extraction based on the bandwidth properties of variational mode decomposition[J]. Physiological Measurement, 2016,37(3):530-543.
[10]	WANG Y X, MARKERT R, XIANG K W et al. Research on vari-ational mode decomposition and its application in detecting rub-impact fault of the rotor system[J].Mechanical Systems and Signal Processing, 2015(60-61):243-251.
[11]	雷钧, 刘和国, 杨庆生 . 基于相互作用积分法的压电裂纹边界元分析[J]. 北京工业大学学报, 2016,42(2):161-166.
[12]	吴业坤 . 行波型压电超声马达的机理仿真与设计制作[D]. 武汉:武汉理工大学, 2006.
[13]	郭怀民 . 压电材料中星型裂纹的应力分析[J]. 黑龙江大学自然科学学报, 2015,32(1):135-140.
[14]	石斌, 胡敏强, 朱壮瑞 . 粘结层对超声马达定子振动特性的影响[J]. 中国电机工程学报, 2001,21(7):72-77.
[15]	Xie P, Yang F M, Li X X , et al. Functional coupling analyses of electroencephalogram and electromyogram based on variational mode decomposition-transfer entropy[J]. Acta Physica Sinica 2016,65(11):118701.
[16]	Vapnik V . The nature of statistical learning theory[M]. New York:Spring-Verlag, 1995.
[17]	王余奎, 李洪儒, 魏晓斌 , 等. 基于局部特征尺度分解谱熵和VPMCD的液压泵退化状态识别[J]. 振动与冲击, 2016,35(12):188-195.
[18]	和麟, 梁丽嫒, 黄潇瑶 , 等. 基于粒子群优化SVM的飞机发电机故障诊断[J]. 计算机测量与控制, 2013,21(12):212-217.
[19]	梅飞, 梅军, 郑建勇 , 等. 粒子群优化的KFCM及SVM诊断模型在断路器故障诊断中的应用[J]. 中国电机工程学报, 2013,33(36):134-141.

基于VMD的超声波电动机退化特征提取研究

Research on Degradation Feature Extraction of Ultrasonic Motor Based on VMD

RichHTML

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

联系我们

[1]	张毅锋, 潘云华, 李支超, 杜金霞, 师聪. 超声波电动机在三自捷联惯性制导组件中的应用[J]. 微特电机, 2021, 49(1): 14-17.
[2]	黄文文, 宋璐, 史敬灼. 超声波电动机二输入Hammerstein非线性建模[J]. 微特电机, 2020, 48(3): 61-64.
[3]	孙阳, 狄思思, 李华峰. 超声波电动机无模型自适应速度控制研究[J]. 微特电机, 2020, 48(12): 1-5.
[4]	. 一种纵弯复合单驱动足超声波电动机的设计[J]. 微特电机, 2019, 47(9): 24-26.
[5]	. 基于割线法的超声波电动机迭代学习转速控制[J]. 微特电机, 2019, 47(9): 55-57.
[6]	武海强, 徐文潭, 王光庆, 崔素娟, 赵泽翔, 谭江平 . 基于BPNN的超声波电动机转速控制与实验研究[J]. 微特电机, 2019, 47(8): 58-63.
[7]	高炳东,潘云华,张丛巨,王红茹,王帅. 基于等效电路模型的超声波电动机匹配电路研究[J]. 微特电机, 2019, 47(7): 32-36.
[8]	万志坚, 张俊峰. 一种超声波电动机的两相驱动电路研究[J]. 微特电机, 2019, 47(6): 68-72.
[9]	刘炯,纪跃波. 行波旋转型超声波电动机定转子接触滑移分析[J]. 微特电机, 2019, 47(5): 29-31.
[10]	安国庆,杨少锐,安孟宇,刘庆瑞,李洪儒. 形态谱和LCD法提取超声波电动机陶瓷故障特征[J]. 微特电机, 2019, 47(2): 18-23.
[11]	. 适用于电机辨识建模的改进差分进化算法[J]. 微特电机, 2019, 47(11): 34-37.
[12]	王明星,王爱元,李轶华,庄石榴. 一种改善永磁同步电机性能的多目标优化方法[J]. 微特电机, 2019, 47(1): 41-43.
[13]	陈雷,潘松,徐张凡. 基于Class-D功率放大的超声波电动机驱动方案[J]. 微特电机, 2019, 47(1): 49-54.
[14]	郎梦梦,曾劲松,张西平. 中空形行波超声波电动机的研究[J]. 微特电机, 2018, 46(9): 19-21.
[15]	安国庆,杨少锐,安孟宇,刘庆瑞,闫彩红,李洪儒. 陶瓷开裂故障行波型超声波电动机建模与仿真分析[J]. 微特电机, 2018, 46(9): 22-27.