多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用.pdf

《多尺度高阶奇异谱熵和GA-VPMCD方法在转子故障智能诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国机械工程第25卷第21期2Ol4年11月上半月多尺度高阶奇异谱熵和GA—VPMCD方法在转子故障智能诊断中的应用罗颂荣程军圣杨宇1．湖南大学，长沙，4100822．湖南文理学院，常德，415000摘要：首先，针对转子故障振动信号的非高斯、非线性特征，提出了多尺度高阶奇异谱熵的概念，并将其用于转子故障特征提取；然后，针对新的小样本多分类识别方法——基于变量预测模型分类识别的模型选择问题，结合融合诊断思想和遗传算法，提出了GA—VPMCD分类识别方法。最后提出了基于多尺度高阶奇异谱熵和GA—VPMCD的转子故障诊断方法。

2、试验结果验证了该方法的有效性和优越性。关键词：多尺度高阶奇异谱熵；基于变量预测模型分类识别；遗传算法；转子系统；故障诊断中图分类号：TH165．3；TN911．7DOI：10．3969／i．issn．1004—132X．2014．21．014IntelligentFaultDiagnosisforRotorUsin~MSHOSSEandGA—VPMCDMethodLnoSongrong’ChengJunshengYangYU1．HunanUniversity，Changsha，4100822．HunanUniversit

3、yofArtsandScience，Changde，Hunan，415000Abstract：Firstly，accordingtonongaussianandnonlinearcharacteristicsofrotorfaultvibrationstgnals，comblninghigherorderstatisticsanalysis，singularspectrumanalysis，intormat~onentropyandmulti-scaleanalysiS，aconceptionofMSHOSSEwaspr

4、esentedandappliedtorotorfaultfeatureextraction．Secondly，VPMCDwasanewclassdiscriminateapproach，whichwasofexcellentlearningabilityforsmallsamplesandmulticlassification，however，thechoiceofmodeltypeexistedsubec—tivity．Tbus，animprovedclassdiscriminatemethodbasedonGAan

5、dVPMCD(GAVPMCD)waspresentedinthecourseofrotorfaultdiagnosisusingVPMCDbytheglobaloptimizationperformanceofgeneticalgorithm(GA)andfusiondiagnosismethod．Finally，anovelintelligentfaultdiagnosismethodbasedonMSHOSSEandGAVPMCDwasputforward．Simultaneously，themethodwasap—

6、pliedforrotorfaultdiagnosis．Theexperimentalresultsshowitseffectivenessandsuperiority．Keywords：multiscalehighordersingularspectrumentropy(MSH0SSE)；variablepredictivemodelbasedclassdiscriminate(VPMCD)；geneticalgorithm(GA)；rotorsystem；faultdiagnosis0引言延、嵌入维数和有噪声的情况下

7、表现出较好的鲁存在局部故障的转子系统表现出二次相位耦棒性。合非线性动力学特性]，此时，传感器获取的故障信息熵是信号复杂性和无规则程度的量度，振动信号为非高斯、非线性时间序列。奇异谱分可以有效地反映机械故障的非线性特征¨1。。笔析(singularspectrumanalysis，SSA)自被引入非者针对转子故障振动信号的非高斯、非线性特征，线性动力学领域以来，在故障诊断领域得到了广对高阶奇异谱熵引入尺度因子，提出多尺度高阶泛应用]。但奇异谱分析是基于二阶统计的协奇异谱熵的概念，并将其用于转子故障特征提取。方差矩阵的方法，

8、所以本质上是一种线性分析方实验结果表明，多尺度高阶奇异谱熵比传统单一法，很难有效地刻画转子故障振动信号的非线性尺度的高阶奇异谱熵包含更多的时间模式信息。特性。高阶统计分析不但具有很强的抑制高斯噪转子的故障诊断实质上是对故障模式的分类声的能力，而且可以同时反映信号的频率、幅值和识别。采用不同的分类识别方法进行故障诊断相