本文關鍵詞：EEMD模糊熵和變量預測模型的轉子故障診斷新方法

  更多相關文章： 內(nèi)燃機 變量預測模型 總體經(jīng)驗模態(tài)分解 模糊熵 指標能量 故障診斷

【摘要】：提出一種基于總體經(jīng)驗模態(tài)分解(ensemble empirical mode decomposition,EEMD)模糊熵和變量預測模型的轉子故障診斷新方法,并將其應用于某型燃渦發(fā)動機轉子的非平穩(wěn)振動信號分析及故障診斷。將基于變量預測模型的模式識別方法引入轉子故障模式識別中,利用其較強的非線性問題處理能力,通過變量內(nèi)部特征值之間的內(nèi)在關系建立預測模型,并以預測誤差平方和最小作為故障模式判別依據(jù)。首先利用EEMD將轉子振動信號分解成若干個模式分量;然后分別計算各個分量的指標能量,篩選出包含主要故障信息的分量并提取模糊熵組成特征向量;最后采用基于變量預測模型的模式識別方法進行故障識別和分類。對某型燃渦發(fā)動機轉子正常、不平衡、不對中三種不同狀態(tài)下的振動信號進行分析,結果表明所提方法能夠有效識別轉子工作狀態(tài)。與神經(jīng)網(wǎng)絡、支持向量機算法的對比分析證明,所提方法能更準確、更高效地完成轉子故障診斷。
【作者單位】： 軍械工程學院四系;
【關鍵詞】： 內(nèi)燃機 變量預測模型 總體經(jīng)驗模態(tài)分解 模糊熵 指標能量 故障診斷
【基金】：軍隊通�？蒲谢痦椖�(裝通[2012]80號)
【分類號】：TK403
【正文快照】： 0概述燃渦發(fā)動機作為軍用艦船和裝甲車輛的主要動力裝置,其核心部件轉子系統(tǒng)一旦出現(xiàn)故障或發(fā)生事故,不僅會造成重大的經(jīng)濟損失,而且直接影響裝備的正常使用與運行;因此,及時判斷燃渦發(fā)動機轉子系統(tǒng)工作狀態(tài)正常與否具有十分重要的實際意義[1]。為了及早發(fā)現(xiàn)故障,達到實時監(jiān)測

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 謝濤,張育林;基于模糊熵與方向相似度的液體火箭發(fā)動機故障檢測[J];國防科技大學學報;1998年04期

，

本文編號：648556