基于多尺度特征融合的供输弹早期故障诊断

发布时间：2021-02-14 21:24

　　对于供输弹系统早期故障信息易被湮没难以识别的问题,提出了基于多尺度特征融合的早期故障识别方法。首先通过变分模态分解（VMD）对振动信号进行分解得到不同时间尺度的分量信号,然后对各分量信号分别提取盒维数、信息熵特征,并进一步通过主分量分析（PCA）对上述两种特征进行融合,得到累计贡献率的前3个主分量组成的融合特征,最后通过概率神经网络PNN分别对上述三种特征进行分类比较,结果表明融合后的特征对供输弹系统3种工况有更高的正判率,对供输弹系统早期故障预兆更敏感,能对供输弹系统早期故障作出有效诊断。 

【文章来源】：机械设计与研究. 2020,36(04)北大核心

【文章页数】：5 页

【部分图文】：

测点布置示意图

测试时设定该型转管火炮的射速是7.5 发/s,分别进行了2连发、6连发、10连发、40连发、60连发的测试。结果如下:在进行2连发射击、6连发射击时均没有出现明显卡弹或射速异常;当进行40连发试验,射速出现异常,射击到第25～26发时,射击速度明显降低,出现了明显故障但依然完成了40连发的射击试验,图2为振动测点3,x方向40连发射击试验时间间隔统计图。经过故障排除,进行了60连发射击试验,无卡弹或射速异常出现,判定射击正常。因此,将40连发定为故障工况;60连发定为正常工况;通过对2连发和6连发信号进行分析和现场工作人员的经验分析,发现2连发和6连发既不同于正常工况,也不同于故故障工况,将其定为恶化工况。

通过VMD对恶化工况的14发、故障工况的30发、正常工况的36发总共80发信号分别进行分解,均分解为4层,图3为振动测点3,x方向正常工况信号时域图,图4为振动测点3,x方向正常工况信号的时域分解图。▲图4混合特征经PCA融合前3个主分量累积贡献率η

【参考文献】：
期刊论文
[1]基于MRSVD和信息融合的供输弹系统早期故障预示[J]. 梁海英,许昕,潘宏侠,赵雄鹏.  噪声与振动控制. 2019(04)
[2]基于SDA和KPCA特征融合的供输弹系统早期故障识别[J]. 梁海英,许昕,潘宏侠,付志敏,张航.  中国测试. 2019(04)
[3]基于EEMD与盒维数的轴承故障特征提取[J]. 张安安,黄晋英,朱文辉,张利东.  机械设计与研究. 2018(06)
[4]基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取[J]. 杨大为,赵永东,冯辅周,江鹏程,丁闯.  兵工学报. 2018(09)
[5]地磁背景环境中基于分形特征的磁异常信号检测算法[J]. 陈路昭,朱万华,吴佩霖,费春娇,方广有.  电子与信息学报. 2019(02)
[6]基于VMD和FFT的变切深侧铣颤振特征提取方法[J]. 刘长福,朱立达,仇健,李明.  东北大学学报(自然科学版). 2018(08)
[7]基于多维度模糊熵的齿轮故障诊断方法[J]. 李郁,田卫军,张前图.  机械设计与研究. 2017(06)
[8]基于分形盒维数串联电弧故障诊断技术研究[J]. 陈凯,王金全,严鋆,蔡杰轩,周思宇.  微型机与应用. 2017(07)
[9]基于VMD与多特征融合的齿轮故障诊断方法[J]. 王建国,陈帅,张超.  机械传动. 2017(03)
[10]基于特征融合和稀疏表示的齿轮故障诊断[J]. 王江萍,段腾飞.  机械传动. 2017(01)

硕士论文
[1]基于改进VMD预处理与双向LSTM的风功率预测研究[D]. 邢恩恺.东北电力大学 2019
[2]基于信息熵与信息融合的供输弹系统早期故障诊断研究[D]. 付志敏.中北大学 2019



本文编号：3033883