基于多尺度排列熵的渦旋壓縮機(jī)故障診斷.pdf

1、渦旋壓縮機(jī)是一種新型的容積式流體機(jī)械，具有結(jié)構(gòu)緊湊、運(yùn)行可靠、節(jié)能環(huán)保等優(yōu)點(diǎn)，主要應(yīng)用于制冷空調(diào)、醫(yī)療器械、交通運(yùn)輸、食品裝潢等領(lǐng)域。因此，定期的狀態(tài)監(jiān)測和故障診斷對提高系統(tǒng)工作的穩(wěn)定性、延長設(shè)備使用壽命都有著十分重要的意義。然而，目前關(guān)于渦旋壓縮機(jī)的故障診斷仍停留在單一時(shí)間尺度的研究層面上，不能有效解決故障之間的多尺度耦合問題，也未能準(zhǔn)確反映系統(tǒng)的動(dòng)力學(xué)特性。針對這一現(xiàn)狀，本文提出了基于多尺度排列熵的渦旋壓縮機(jī)故障特征提取方法，通過典

2、型故障的特征分析，探究了不同尺度上故障系統(tǒng)的動(dòng)力學(xué)特性。最后利用加權(quán)馬氏距離實(shí)施了故障識(shí)別，驗(yàn)證了該方法的有效性和準(zhǔn)確性。具體內(nèi)容主要包括以下幾個(gè)方面：
　　(1)研究基于奇異值差分譜的奇異值分解降噪方法，仿真結(jié)果顯示，以奇異值差分譜的最大峰值為參考選擇重構(gòu)奇異值個(gè)數(shù)，能夠達(dá)到很好的降噪效果。但是當(dāng)信號(hào)中存在直流分量時(shí)，以最大峰值為參考選擇奇異值會(huì)造成大量有用信息丟失，此時(shí)以第二個(gè)最大峰值為參考選擇奇異值，才能達(dá)到較好的降噪效果。

3、
　　(2)針對單尺度信號(hào)分析方法的局限性，研究基于多尺度排列熵(MPE)的振動(dòng)信號(hào)特征提取方法，用于定量描述不同狀態(tài)、不同時(shí)間尺度上振動(dòng)信號(hào)的能量分布規(guī)律。通過分析渦旋壓縮機(jī)四種故障的MPE特征曲線發(fā)現(xiàn)，軸承松動(dòng)故障的排列熵最大，機(jī)械組裝松動(dòng)故障的排列熵次之，轉(zhuǎn)子不平衡故障的排列熵最小，這與四種故障狀態(tài)下系統(tǒng)的不確定性程度相符。
　　(3)為了進(jìn)一步說明多尺度排列熵的診斷優(yōu)勢，分別以單尺度排列熵和多尺度排列熵為特征參數(shù)，利