針對高壓隔膜泵機械結構復雜,單向閥故障特征信息分布在多尺度上,單一尺度難以全面提取特征的問題,提出了一種基于參數(shù)優(yōu)化變分模態(tài)分解（Variational Mode Decomposition,VMD）和增強多尺度排列熵（Enhanced Multi-scale Permutation Entropy,EMPE）的單向閥故障診斷方法。對單向閥振動信號進行VMD分解,以包絡熵最小原則對其進行參數(shù)優(yōu)化,獲得既定的若干本征模態(tài)函數(shù)（Intrinsic Mode Function,IMF）分量;計算IMF分量的增強多尺度排列熵,構建故障特征值向量;利用基于變量預測模型的模式識別（Variable Predictive Model Based Class Discriminate,VPMCD）方法對故障特征值向量進行訓練和識別,進而實現(xiàn)單向閥的故障診斷。仿真信號和工程實驗分析表明,該方法可以準確地識別單向閥的故障類型,具有一定的可靠性和工程應用價值。 

【文章來源】：振動與沖擊. 2020,39(15)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

尺度因子τ=2和τ=3時MPE粗�；^程示意圖

尺度因子τ=2通過對比MPE和EMPE的粗�；^程,可以直觀的發(fā)現(xiàn)EPME在粗�；^程中不僅考慮了x1和x2,x3和x4等之間的信息,也考慮了x2和x3,x4和x5等之間的信息,沒有造成信息的遺漏。而且,在EMPE粗�；^程中,尺度因子τ對應著τ個不同的粗�；蛄�,將尺度為τ時得到的τ個排列熵進行平均處理,降低了熵值的波動,提高了熵值的穩(wěn)定性,將均值作為該尺度對應的尺度排列熵,很好的解決了MPE因尺度因子增大導致熵值計算不穩(wěn)定的問題。

數(shù)據(jù)的標準差可以反映數(shù)據(jù)的穩(wěn)定程度,標準差越大,數(shù)據(jù)越離散,標準差越小,數(shù)據(jù)越穩(wěn)定。由圖3可知,當尺度因子為1時,MPE和EMPE的均值和標準差一樣,因為此時直接計算原始序列的排列熵。當尺度因子大于1時,MPE在各個尺度上熵值的均值均小于EMPE的,這是因為MPE在粗�；^程中造成了信息的遺漏。而且,隨著尺度因子增大,MPE的標準差也越來越大,說明MPE熵值的計算結果越不穩(wěn)定,但EMPE在各個尺度上的標準差卻明顯小于MPE的,說明EMPE計算的結果更穩(wěn)定。通過對比的結果可知,EPME可以更好的檢測序列的隨機性和動力學行為,計算的結果更穩(wěn)定,克服了MPE在粗�；^程中的不足。6 工程實驗驗證

【參考文獻】：
期刊論文
[1]基于VMD和樣本熵的高壓斷路器故障特征提取及分類[J]. 萬書亭,豆龍江,李聰,劉榮海.  振動與沖擊. 2018(20)
[2]量子遺傳算法優(yōu)化的SVM滾動軸承故障診斷[J]. 許迪,葛江華,王亞萍,衛(wèi)芬,邵俊鵬.  振動.測試與診斷. 2018(04)
[3]變分模態(tài)分解和改進的自適應共振技術在軸承故障特征提取中的應用[J]. 李華,伍星,劉韜,陳慶.  振動工程學報. 2018(04)
[4]內燃機變分模態(tài)Rihaczek譜紋理特征識別診斷[J]. 岳應娟,王旭,蔡艷平.  儀器儀表學報. 2017(10)
[5]POVMD與包絡階次譜的變工況滾動軸承故障診斷[J]. 姜戰(zhàn)偉,鄭近德,潘海洋,潘紫微.  振動.測試與診斷. 2017(03)
[6]改進粒子群算法優(yōu)化的支持向量機及其應用[J]. 王振武,孫佳駿,尹成峰.  哈爾濱工程大學學報. 2016(12)
[7]參數(shù)優(yōu)化變分模態(tài)分解方法在滾動軸承早期故障診斷中的應用[J]. 唐貴基,王曉龍.  西安交通大學學報. 2015(05)
[8]基于網(wǎng)格搜索和交叉驗證的支持向量機在梯級水電系統(tǒng)隱隨機調度中的應用[J]. 紀昌明,周婷,向騰飛,黃海濤.  電力自動化設備. 2014(03)
[9]LMD能量矩和變量預測模型模式識別在軸承故障智能診斷中的應用[J]. 程軍圣,羅頌榮,楊斌,楊宇.  振動工程學報. 2013(05)
[10]基于多尺度熵的滾動軸承故障診斷方法[J]. 鄭近德,程軍圣,楊宇.  湖南大學學報(自然科學版). 2012(05)

博士論文
[1]基于振動信號處理的旋轉機械故障診斷方法研究[D]. 劉尚坤.華北電力大學(北京) 2017



本文編號：3360570