EEMD模糊熵和变量预测模型的转子故障诊断新方法

发布时间：2017-08-10 03:09

  本文关键词：EEMD模糊熵和变量预测模型的转子故障诊断新方法

  更多相关文章： 内燃机 变量预测模型 总体经验模态分解 模糊熵 指标能量 故障诊断

【摘要】：提出一种基于总体经验模态分解(ensemble empirical mode decomposition,EEMD)模糊熵和变量预测模型的转子故障诊断新方法,并将其应用于某型燃涡发动机转子的非平稳振动信号分析及故障诊断。将基于变量预测模型的模式识别方法引入转子故障模式识别中,利用其较强的非线性问题处理能力,通过变量内部特征值之间的内在关系建立预测模型,并以预测误差平方和最小作为故障模式判别依据。首先利用EEMD将转子振动信号分解成若干个模式分量;然后分别计算各个分量的指标能量,筛选出包含主要故障信息的分量并提取模糊熵组成特征向量;最后采用基于变量预测模型的模式识别方法进行故障识别和分类。对某型燃涡发动机转子正常、不平衡、不对中三种不同状态下的振动信号进行分析,结果表明所提方法能够有效识别转子工作状态。与神经网络、支持向量机算法的对比分析证明,所提方法能更准确、更高效地完成转子故障诊断。
【作者单位】： 军械工程学院四系;
【关键词】： 内燃机 变量预测模型 总体经验模态分解 模糊熵 指标能量 故障诊断
【基金】：军队通保科研基金项目(装通[2012]80号)
【分类号】：TK403
【正文快照】： 0概述燃涡发动机作为军用舰船和装甲车辆的主要动力装置,其核心部件转子系统一旦出现故障或发生事故,不仅会造成重大的经济损失,而且直接影响装备的正常使用与运行;因此,及时判断燃涡发动机转子系统工作状态正常与否具有十分重要的实际意义[1]。为了及早发现故障,达到实时监测

【相似文献】

中国期刊全文数据库 前1条

1 谢涛,张育林;基于模糊熵与方向相似度的液体火箭发动机故障检测[J];国防科技大学学报;1998年04期

，

本文编号：648556