針對(duì)轉(zhuǎn)子故障信號(hào)非線性、非平穩(wěn)性的特點(diǎn),提出了一種基于互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解、多尺度排列熵和GK聚類的故障特征提取和識(shí)別方法。首先采用互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)故障信號(hào)進(jìn)行分解,依據(jù)相關(guān)系數(shù)原則,選取相關(guān)系數(shù)最大的模態(tài)分量作為分析對(duì)象;然后利用多尺度排列熵量化模態(tài)分量的故障特征作為特征向量;最后,將經(jīng)過PCA（Principal Component Analysis）降維后的低維特征集輸入到GK模糊聚類算法中進(jìn)行故障識(shí)別分類。將所提方法應(yīng)用于典型轉(zhuǎn)子實(shí)驗(yàn)臺(tái)的故障特征集,通過分類系數(shù)與劃分熵對(duì)分類效果進(jìn)行檢驗(yàn),并與其他模式組合方法進(jìn)行比較。結(jié)果表明,本文所提方法能夠更有效提取故障特征。 

【文章來源】：振動(dòng)工程學(xué)報(bào). 2020,33(03)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

故障聚類方法流程

圖1 故障聚類方法流程由于篇幅限制，本研究以不對(duì)中狀態(tài)進(jìn)行分析，其原始振動(dòng)信息如圖3所示。本文根據(jù)Yeh等針對(duì)CEEMD添加參數(shù)的研究，選擇CEEMD添加的白噪聲幅值為0.15，添加白噪聲對(duì)數(shù)為50[10]。圖4為原始振信號(hào)經(jīng)CEEMD自適應(yīng)分解后得到12個(gè)IMF分量。分別計(jì)算各階IMF與原信號(hào)的相關(guān)系數(shù)，得到表1。由此可以得出，IMF與原始振動(dòng)信號(hào)的相關(guān)系數(shù)最大為1.0000，因此選擇IMF1為最優(yōu)分量進(jìn)行下一步故障分類和識(shí)別。

在計(jì)算多尺度排列熵時(shí)，需對(duì)以下4個(gè)參數(shù)進(jìn)行設(shè)定：時(shí)間序列長(zhǎng)度N、嵌入維數(shù)f、時(shí)延因子τ和尺度因子s。嵌入維數(shù)一般取3-7[15]，若f太小，重構(gòu)序列中可能包含的狀態(tài)會(huì)太少，難以檢測(cè)出時(shí)間序列的動(dòng)態(tài)突變；若f太大，將無法反映時(shí)間序列的細(xì)微變化。本文選取f=4。延遲時(shí)間τ對(duì)時(shí)間序列的計(jì)算影響較小，尺度因子s的最大值一般取大于10[20]即可。圖5為不同時(shí)延下排列熵?cái)?shù)值變化情況，可以看出時(shí)延對(duì)信號(hào)的影響較小，因此取τ=1。尺度因子取s=12，計(jì)算12個(gè)粗粒向量的排列熵，得到5種狀態(tài)結(jié)果如圖6所示。圖4 不對(duì)中狀態(tài)故障CEEMD處理結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]一種ELMD模糊熵和GK聚類的軸承故障診斷方法[J]. 楊帥杰,馬躍,張旭,李鐸.  機(jī)械設(shè)計(jì)與制造. 2018(06)
[2]基于FVMD多尺度排列熵和GK模糊聚類的故障診斷[J]. 陳東寧,張運(yùn)東,姚成玉,孫飛,周能元.  機(jī)械工程學(xué)報(bào). 2018(14)
[3]CEEMD和小波半軟閾值相結(jié)合的滾動(dòng)軸承降噪[J]. 王亞萍,匡宇麒,葛江華,許迪,孫永國.  振動(dòng).測(cè)試與診斷. 2018(01)
[4]基于變分模態(tài)分解和多尺度排列熵的故障診斷[J]. 陳東寧,張運(yùn)東,姚成玉,來博文,呂世君.  計(jì)算機(jī)集成制造系統(tǒng). 2017(12)
[5]基于ITD-形態(tài)濾波和Teager能量譜的軸承故障診斷[J]. 張小龍,張氫,秦仙蓉,孫遠(yuǎn)韜.  儀器儀表學(xué)報(bào). 2016(04)
[6]基于粗糙集屬性約簡(jiǎn)和貝葉斯分類器的故障診斷[J]. 姚成玉,李男,馮中魁,陳東寧.  中國機(jī)械工程. 2015(14)
[7]基于DLMD樣本熵和模糊聚類的滾動(dòng)軸承故障診斷[J]. 孟宗,王亞超,王曉燕.  中國機(jī)械工程. 2014(19)
[8]基于EEMD樣本熵和GK模糊聚類的機(jī)械故障識(shí)別[J]. 王書濤,李亮,張淑清,孫國秀.  中國機(jī)械工程. 2013(22)
[9]多尺度排列熵及其在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 鄭近德,程軍圣,楊宇.  中國機(jī)械工程. 2013(19)
[10]基于Morlet小波變換的滾動(dòng)軸承早期故障特征提取研究[J]. 馬倫,康建設(shè),孟妍,呂雷.  儀器儀表學(xué)報(bào). 2013(04)



本文編號(hào)：3572848