基于多尺度模糊熵的旋转机械故障诊断研究

《基于多尺度模糊熵的旋转机械故障诊断研究》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、基于多尺度模糊爛的旋转机械故障诊断研究李永军马立元崔心瀚军械工程学院摘要:从旋转机械振动信号复杂度分析的角度，展开相关特征爛提取方法的研究，构造出一组能够有效区分不同故障状态振动信号的多尺度模糊爛。考虑到传统故障模式识别方法对于先验知识过度依赖的理论缺陷，将生物识别领域基于变量预测模型的模式识别方法引入到旋转机械故障诊断之中，并在实例中进行了应用，表明该方法的有效性。关键词：多尺度模糊爛;旋转机械;变量预测模型;模式识别;作者简介：李永军，博士，主要研究方向为结构损伤识别。E-mail:lil23ysu@163.com收稿日期：2015-08-14Researchonfaul

2、tydiagnoseforrotationmachinebasedonmulti-scalefuzzyentropyLiYongjunMaLiyuanCuiXinhanMechanicalEngineeringCollege;Abstract：Fromtheangleofvibrationsignalcomplexforrotationmachine,theconstructionofcharacteristicentropyisstudiedandasetofmulti-scalefuzzyentropyisputforwardtoidentifythevibrations

3、ignalwithdifferentfaulty.Accountingfortheorydefectoftraditionalfaultyidentificationwhichdependsonpriorknowledge,theidentificationmethodbasedonverrieiblepredetermirmtionmodelisinstruetedintofailltydiagnoseforrotationmachinc.Thenewmethodisappliedinalivingexample,whichshowthemethodiseffective.

4、Keyword：multi-scnlefuzzyentropy;rotationmachine;VariablePredictiveModelBasedonClassDiscriminate(VPMBCD);modalidentification;Received：2015-08-140引言对于旋转机械正常工作状态与非正常工作状态不同故障模式下采集的振动信号，由于振动原理差异等因素影响，其对应信号某些特征量会表现出或强或弱的差别。为了能够有效地区分不同模式，就要把这种内在差异性进行最人化。笔者选择模糊爛作为信号特征提取基本手段，借鉴多尺度分析搜寻最优差异的思想引入多尺度爛分析

5、，构造多尺度模糊爛(MultiscaleFuzzyEntropy,MEE)［1］,用以区分不同状态下信号之间复杂度的微弱变化，为后续模式识别提供判断依据。1多尺度模糊爛模糊爛相对于其他形式的爛，在向量序列的重构过程中添加了去均值化过程，在对任意向量的相似度进行评定方面引入指数函数对相似度进行模糊化处理。经过这两个关键步骤的处理之后，模糊怖对于相似容限r和嵌入模式维数n这两个参量的依赖性相对减弱，准确地说模糊爛值随参数变化的稳定性得以增强［2］。多尺度爛优于单一尺度爛的优势在于利用多尺度分析手段，通过衡量不同尺度下时间序列的复杂性，得到一个整体的复杂度评价，从而避免了单一尺度分

6、析所带来的局限。通常对于不同时间序列进行复杂度比较时，只有在多数尺度上对应爛值较大的时间序列才被认为复杂度更高。多尺度嫡计算过程比较简单，以已知长度为M的信号序列｛y(i)｝为例，i为序列号，对应多尺度嫡的计算过程如下［3］。1)对信号序列y(i)进行粗粒化处理，结合给定的相似容限r和嵌入模式维数n,构建第j个粗粒向量Xj(X)为：式中：入为尺度因子，对应的取值为大于1的整数。若X=l,则对应的X

7、（入）表示原始分析序列，实际应用中往往取入〉10即可。2）通过粗粒化处理，原始信号序列被分割成X段长度为M/入的粗粒序列，分别计算对应的样本炳，并通过多尺度因子与对应样本爛的函数关

8、系，完成多尺度爛的计算。多尺度模糊爛是在综合了模糊爛和多尺度爛概念基础上提出的，因此，其计算过程也极大地融合了两者之间的运算特点。两种不同爛的融合形式如下。1）对长度为M的信号序列｛y（i）｝进行粗粒化处理，按照多尺度炳对应的计算方法得到粗粒向量XjQ）。2）按照模糊爛对应的计算方法计算每个粗粒向量的模糊爛，通过去均值操作和模糊化处理后，建立多尺度因子与对应尺度因子下粗粒向量的模糊爛，这样就实现了多尺度条件下对信号序列复杂度的模糊化分析，即完成了多尺度模糊嫡的构建。2旋转机械故障诊断方法相比于传统的神经