基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断
发布时间：2021-08-24 19:20
针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解（Variational Mode Decomposition,VMD）和增强多尺度排列熵（Enhanced Multi-scale Permutation Entropy,EMPE）的单向阀故障诊断方法。对单向阀振动信号进行VMD分解,以包络熵最小原则对其进行参数优化,获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;计算IMF分量的增强多尺度排列熵,构建故障特征值向量;利用基于变量预测模型的模式识别（Variable Predictive Model Based Class Discriminate,VPMCD）方法对故障特征值向量进行训练和识别,进而实现单向阀的故障诊断。仿真信号和工程实验分析表明,该方法可以准确地识别单向阀的故障类型,具有一定的可靠性和工程应用价值。
【文章来源】：振动与冲击. 2020,39(15)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
尺度因子τ=2和τ=3时MPE粗粒化过程示意图
尺度因子τ=2通过对比MPE和EMPE的粗粒化过程,可以直观的发现EPME在粗粒化过程中不仅考虑了x1和x2,x3和x4等之间的信息,也考虑了x2和x3,x4和x5等之间的信息,没有造成信息的遗漏。而且,在EMPE粗粒化过程中,尺度因子τ对应着τ个不同的粗粒化序列,将尺度为τ时得到的τ个排列熵进行平均处理,降低了熵值的波动,提高了熵值的稳定性,将均值作为该尺度对应的尺度排列熵,很好的解决了MPE因尺度因子增大导致熵值计算不稳定的问题。
数据的标准差可以反映数据的稳定程度,标准差越大,数据越离散,标准差越小,数据越稳定。由图3可知,当尺度因子为1时,MPE和EMPE的均值和标准差一样,因为此时直接计算原始序列的排列熵。当尺度因子大于1时,MPE在各个尺度上熵值的均值均小于EMPE的,这是因为MPE在粗粒化过程中造成了信息的遗漏。而且,随着尺度因子增大,MPE的标准差也越来越大,说明MPE熵值的计算结果越不稳定,但EMPE在各个尺度上的标准差却明显小于MPE的,说明EMPE计算的结果更稳定。通过对比的结果可知,EPME可以更好的检测序列的随机性和动力学行为,计算的结果更稳定,克服了MPE在粗粒化过程中的不足。6 工程实验验证
【参考文献】：
期刊论文
[1]基于VMD和样本熵的高压断路器故障特征提取及分类[J]. 万书亭,豆龙江,李聪,刘荣海. 振动与冲击. 2018(20)
[2]量子遗传算法优化的SVM滚动轴承故障诊断[J]. 许迪,葛江华,王亚萍,卫芬,邵俊鹏. 振动.测试与诊断. 2018(04)
[3]变分模态分解和改进的自适应共振技术在轴承故障特征提取中的应用[J]. 李华,伍星,刘韬,陈庆. 振动工程学报. 2018(04)
[4]内燃机变分模态Rihaczek谱纹理特征识别诊断[J]. 岳应娟,王旭,蔡艳平. 仪器仪表学报. 2017(10)
[5]POVMD与包络阶次谱的变工况滚动轴承故障诊断[J]. 姜战伟,郑近德,潘海洋,潘紫微. 振动.测试与诊断. 2017(03)
[6]改进粒子群算法优化的支持向量机及其应用[J]. 王振武,孙佳骏,尹成峰. 哈尔滨工程大学学报. 2016(12)
[7]参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 西安交通大学学报. 2015(05)
[8]基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用[J]. 纪昌明,周婷,向腾飞,黄海涛. 电力自动化设备. 2014(03)
[9]LMD能量矩和变量预测模型模式识别在轴承故障智能诊断中的应用[J]. 程军圣,罗颂荣,杨斌,杨宇. 振动工程学报. 2013(05)
[10]基于多尺度熵的滚动轴承故障诊断方法[J]. 郑近德,程军圣,杨宇. 湖南大学学报(自然科学版). 2012(05)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
本文编号：3360570
【文章来源】：振动与冲击. 2020,39(15)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
尺度因子τ=2和τ=3时MPE粗粒化过程示意图
尺度因子τ=2通过对比MPE和EMPE的粗粒化过程,可以直观的发现EPME在粗粒化过程中不仅考虑了x1和x2,x3和x4等之间的信息,也考虑了x2和x3,x4和x5等之间的信息,没有造成信息的遗漏。而且,在EMPE粗粒化过程中,尺度因子τ对应着τ个不同的粗粒化序列,将尺度为τ时得到的τ个排列熵进行平均处理,降低了熵值的波动,提高了熵值的稳定性,将均值作为该尺度对应的尺度排列熵,很好的解决了MPE因尺度因子增大导致熵值计算不稳定的问题。
数据的标准差可以反映数据的稳定程度,标准差越大,数据越离散,标准差越小,数据越稳定。由图3可知,当尺度因子为1时,MPE和EMPE的均值和标准差一样,因为此时直接计算原始序列的排列熵。当尺度因子大于1时,MPE在各个尺度上熵值的均值均小于EMPE的,这是因为MPE在粗粒化过程中造成了信息的遗漏。而且,随着尺度因子增大,MPE的标准差也越来越大,说明MPE熵值的计算结果越不稳定,但EMPE在各个尺度上的标准差却明显小于MPE的,说明EMPE计算的结果更稳定。通过对比的结果可知,EPME可以更好的检测序列的随机性和动力学行为,计算的结果更稳定,克服了MPE在粗粒化过程中的不足。6 工程实验验证
【参考文献】：
期刊论文
[1]基于VMD和样本熵的高压断路器故障特征提取及分类[J]. 万书亭,豆龙江,李聪,刘荣海. 振动与冲击. 2018(20)
[2]量子遗传算法优化的SVM滚动轴承故障诊断[J]. 许迪,葛江华,王亚萍,卫芬,邵俊鹏. 振动.测试与诊断. 2018(04)
[3]变分模态分解和改进的自适应共振技术在轴承故障特征提取中的应用[J]. 李华,伍星,刘韬,陈庆. 振动工程学报. 2018(04)
[4]内燃机变分模态Rihaczek谱纹理特征识别诊断[J]. 岳应娟,王旭,蔡艳平. 仪器仪表学报. 2017(10)
[5]POVMD与包络阶次谱的变工况滚动轴承故障诊断[J]. 姜战伟,郑近德,潘海洋,潘紫微. 振动.测试与诊断. 2017(03)
[6]改进粒子群算法优化的支持向量机及其应用[J]. 王振武,孙佳骏,尹成峰. 哈尔滨工程大学学报. 2016(12)
[7]参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙. 西安交通大学学报. 2015(05)
[8]基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用[J]. 纪昌明,周婷,向腾飞,黄海涛. 电力自动化设备. 2014(03)
[9]LMD能量矩和变量预测模型模式识别在轴承故障智能诊断中的应用[J]. 程军圣,罗颂荣,杨斌,杨宇. 振动工程学报. 2013(05)
[10]基于多尺度熵的滚动轴承故障诊断方法[J]. 郑近德,程军圣,杨宇. 湖南大学学报(自然科学版). 2012(05)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
本文编号：3360570
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3360570.html
