改進(jìn)的多尺度熵及在旋轉(zhuǎn)機(jī)械故障特征提取與診斷中的應(yīng)用.pdf

1、旋轉(zhuǎn)機(jī)械在現(xiàn)代生產(chǎn)體系中具有不可替代的作用，隨著科學(xué)技術(shù)的發(fā)展，由于機(jī)械設(shè)備各部件緊密的耦合在一起，因此一個(gè)部件發(fā)生故障就有可能引起鏈?zhǔn)叫?yīng)。滾動(dòng)軸承和液壓泵作為旋轉(zhuǎn)機(jī)械中重要的部件之一，因此對(duì)其運(yùn)行狀態(tài)進(jìn)行故障診斷十分必要。故障診斷的主要步驟是：首先采集設(shè)備運(yùn)行信息，隨后提取故障特征，最后進(jìn)行狀態(tài)識(shí)別，完成設(shè)備故障診斷。其中核心是從振動(dòng)信號(hào)中提取對(duì)故障狀態(tài)最為敏感的特征，同時(shí)也是本課題的研究重點(diǎn)。
　　本文深入研究了多尺度熵算法

2、的基本原理，通過仿真信號(hào)和實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證多尺度熵在揭示信號(hào)復(fù)雜度方面的準(zhǔn)確性。針對(duì)其隨著尺度的增大樣本熵值的穩(wěn)定性逐漸減小，并且同一工況下不同時(shí)間序列的樣本熵值曲線差異性較大的問題進(jìn)行改進(jìn)，通過仿真信號(hào)和實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了改進(jìn)多尺度熵的有效性。
　　提出了一種基于多尺度熵的旋轉(zhuǎn)機(jī)械故障識(shí)別方法，首先對(duì)振動(dòng)信號(hào)進(jìn)行多尺度熵計(jì)算，利用ReliefF加權(quán)特征選擇算法選取出最優(yōu)尺度因子；再計(jì)算振動(dòng)信號(hào)的多尺度熵偏均值，將最優(yōu)尺度因子下的樣本熵和

3、多尺度熵偏均值構(gòu)成特征向量；最后通過核模糊C均值聚類對(duì)訓(xùn)練樣本的特征向量進(jìn)行聚類，獲得各故障的聚類中心，再根據(jù)最小歐式距離原則對(duì)測(cè)試樣本的特征向量進(jìn)行故障識(shí)別，并通過美國凱斯西儲(chǔ)大學(xué)公布的軸承的數(shù)據(jù)驗(yàn)證了所提出方法的有效性。
　　本文以液壓泵故障模擬試驗(yàn)臺(tái)為研究對(duì)象，搭建基于LabVIEW的信號(hào)采集系統(tǒng)，采用所提出的故障識(shí)別方法成功地對(duì)液壓泵不同程度的滑靴和松靴故障進(jìn)行了診斷，并在相同診斷數(shù)據(jù)的情況下，將基于多尺度熵方法和傳統(tǒng)時(shí)頻