基于自适应谐波小波和能量熵的转子系统故障诊断研究

发布时间：2017-08-11 02:26

  本文关键词：基于自适应谐波小波和能量熵的转子系统故障诊断研究

  更多相关文章： 转子 谐波小波 故障特征 时间尺度变换 能量熵

【摘要】：针对转子系统非平稳振动时故障特征难以准确提取的问题,提出一种基于自适应谐波小波和能量熵的转子系统故障诊断方法。首先,采用连续谐波小波方法分解转子信号,克服"二进制"谐波小波包分解不能任意选取感兴趣频段的缺限,同时在分解过程中通过时间尺度变换的方式消除信号采集过程中不同转速及采样频率的影响;然后,通过设定合理的分解参数,提取出表征转子系统的故障特征信息并构建故障模式矩阵,得到转子系统早期局部碰摩、全周碰摩、油膜涡动和油膜振荡等4种工况下的能量熵值;最后,将特征向量输入支持向量机(support vector machine,SVM)判断出转子系统的故障类型。试验结果表明:该方法可以有效用于转子系统的故障诊断。
【作者单位】： 华北电力大学能源动力与机械工程学院;石家庄铁道大学机械工程学院;
【关键词】： 转子 谐波小波 故障特征 时间尺度变换 能量熵
【基金】：国家自然科学基金项目(11472179)
【分类号】：TH17
【正文快照】： 0引言转子系统运行时存在转速不稳定、载荷突变等多种因素的干扰,故障信号往往表现出非平稳的特性[1]。传统的傅里叶方法在分析非平稳信号时存在很大的局限性,因此如何准确提取信号中的故障特征,是转子系统故障诊断研究的重要内容[2-3]。谐波小波能够实现信号既无交叠又无遗漏

【相似文献】

中国期刊全文数据库 前10条

1 刘雄,屈梁生;转子径向摩擦故障诊断技术的研究[J];西安交通大学学报;1993年02期

2 张翼飞;赵凯;;基于决策树的转子故障自动诊断研究[J];计算机测量与控制;2013年09期

3 陈于平;伍星;刘畅;;基于规则与案例的转子故障智能诊断方法[J];电子测量技术;2011年06期

4 段礼祥;胡智;张来斌;;基于稳健独立分量分析的转子故障信息增强方法[J];中国石油大学学报(自然科学版);2013年02期

5 陈林华;不对中转子系统振动特征分析与诊断[J];压缩机技术;2003年06期

6 张宏辉;唐锡宽;;转子故障征兆自动识别的诊断系统[J];机械设计与制造;2007年08期

7 谢平;杜义浩;;基于信息熵的裂纹转子动力特征分析与诊断方法[J];机械工程学报;2009年01期

8 王宇飞;谢永鹏;;旋转机械转子不平衡故障的诊断与分析[J];湖南工业职业技术学院学报;2009年05期

9 刘凤娟;李建磊;;耦合故障转子模型的分析[J];电子测试;2013年12期

10 张文斌;郭德伟;普亚松;滕瑞静;王鹏;苏艳萍;;谐波窗分解样本熵与灰色关联度在转子故障识别中的应用[J];中国电机工程学报;2013年21期

中国重要会议论文全文数据库 前5条

1 陈果;周海仑;;一种新的转子故障特征提取方法[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

2 王跃华;甘春标;杨世锡;;Jeffcott转子不确定动力学建模与故障特征识别[A];第九届全国动力学与控制学术会议会议手册[C];2012年

3 徐自力;徐朝蓉;邱恒斌;;离心压缩机转子密封碰磨故障的振动特征及诊断[A];第11届全国转子动力学学术讨论会（ROTDYN2014）论文集（下册）[C];2014年

4 李鸿光;;基于微分的经验模态分解及其在多重转子故障分析中的应用[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

5 刘成俊;刘军;井上刚志;石田幸男;;电磁外力激励下裂纹转子非线性振动响应实验研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

中国博士学位论文全文数据库 前2条

1 陶海亮;转子—支承系统典型故障非线性动力特性分析与实验研究[D];中国科学院研究生院（工程热物理研究所）;2013年

2 王凤利;基于局域波法的转子系统非线性动态特性及应用研究[D];大连理工大学;2003年

中国硕士学位论文全文数据库 前10条

1 董丽媛;故障转子系统不同支承条件下的动力学特性分析[D];东北大学;2014年

2 金思勤;转子系统积油和不对中故障的仿真及试验研究[D];东北大学;2009年

3 李俊儒;齿轮传动的转子系统的动力学分析[D];东北大学;2011年

4 孙成岩;复杂转子系统振动模态和混沌行为分析[D];沈阳建筑大学;2013年

5 张景;基于确定学习的转子系统故障诊断[D];华南理工大学;2014年

6 郭红祥;裂纹转子弯—扭耦合振动建模及分析[D];江西理工大学;2013年

7 杨文瑛;基于经验模态分解的转子故障信号熵特征提取研究[D];兰州理工大学;2012年

8 胡常安;基于混合杂草算法—神经网络的转子故障数据分类方法研究[D];兰州理工大学;2012年

9 李R，

本文编号：653833