基于譜熵的故障特征提取與數(shù)據(jù)挖掘技術(shù)研究.pdf

1、本文以齒輪振動(dòng)信號(hào)作為研究對(duì)象，采用譜熵方法提取故障特征，區(qū)分故障類型，對(duì)不同類型的齒輪振動(dòng)信號(hào)進(jìn)行了分類和聚類分析，在此基礎(chǔ)上研制開(kāi)發(fā)了虛擬儀器故障診斷系統(tǒng)。 將譜熵方法引入到齒輪傳動(dòng)系統(tǒng)中，對(duì)齒輪發(fā)生的裂紋、磨損故障進(jìn)行了特征提取、區(qū)分與診斷，并與正常齒輪進(jìn)行了對(duì)比。表明它可以很好的提取不同狀態(tài)齒輪信號(hào)的特征，能夠?qū)⑺鼈冞M(jìn)行有效的分離。在此基礎(chǔ)上進(jìn)行了分類處理，可以對(duì)未知的齒輪振動(dòng)信號(hào)進(jìn)行可靠的判定。表明使用譜熵對(duì)不同狀態(tài)類

2、型的齒輪進(jìn)行判定是一種有效的切實(shí)可行的方法。 將數(shù)據(jù)挖掘中的聚類分析方法應(yīng)用到齒輪故障診斷中，在上面譜熵處理的基礎(chǔ)上，分別用K-mean方法和改進(jìn)的基于密度和網(wǎng)格劃分的方法對(duì)一維和二維譜熵進(jìn)行了處理和分析，取得了很好的效果。通過(guò)DCT變換和FFT變換得到的二維譜熵，可以表明，DCT變換的結(jié)果更有利于不同狀態(tài)類型的齒輪信號(hào)的分離，而FFT變換的結(jié)果卻更有利于對(duì)齒輪惡化狀態(tài)的趨勢(shì)分析和預(yù)測(cè)。證明使用聚類分析方法可以對(duì)不同類型的齒輪信