基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别

基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别

ID:34958329

大小:1.67 MB

页数:9页

时间:2019-03-15

基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别_第1页
基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别_第2页
基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别_第3页
基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别_第4页
基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别_第5页
资源描述:

《基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别》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、石油科学通报2016年12月第1卷第3期:425-433 油气安全专题 基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别*袁壮,段礼祥,王金江中国石油大学(北京)机械与储运工程学院,北京102249*通信作者,jwang@cpu.edu.cn收稿日期:2016-11-15摘要提出一种基于极值点奇异值降噪与关联维数分布情况相结合的电机转子不平衡故障识别方法。首先,对不同时期采集的电机振动信号进行基于极值点的奇异值降噪,避免噪声所导致的关联维数不收敛。然后,通过复相关函数法确定延迟时间,并采用G-P算法计算关联维数。最后,对多组振动信号的关联维数进行比较,识别电机转子不平衡故障。利用

2、西部某油田的一起电机转子不平衡故障对上述方法进行了测试,结果表明,降噪信号的关联维数能够有效识别电机转子不平衡,且同常用的自相关法相比,本文采用复相关函数法计算得到的关联维数具有更好的分辨性,更适合于电机故障识别。关键词电机;转子不平衡;故障特征提取;关联维数0引言王浩、张来斌等提出了将迭代奇异值分解(ISVD)降噪与关联维数分析相结合的烟气轮机故障诊断方[4]电机在工作过程中发生转子不平衡、轴承不对中法;李琳将关联维数与EMD降噪相结合,对齿轮正[1]常、齿根裂纹、断齿3种不同工况进行了有效识别[5];等故障时,会引起其振动信号的改变。对这些振动信号加以降噪和特征提取,可以进一步了解

3、电机的运王美令提取转静碰摩故障的关联维数和小波能量谱熵行状态及故障类型。但电机运行过程中的振动信号存为特征量,构造了基于支持向量机的碰摩故障智能诊[6]在大量非线性、非平稳成分,而传统的时域特征和频断模型;杨宇则提出了基于ITD改进算法和关联维[7]谱分析都未考虑系统的非线性因素,因而难以客观地数的转子故障诊断方法。[2]本文提出了极值点奇异值降噪与关联维数相结合描述复杂机械系统的实际状态。分形几何(fractalgeometry)理论用于描述局部与整的电机转子不平衡故障识别方法,并运用复相关函数[3]代替传统的自相关函数用于关联维数的求取。对现场体在某种形式下的相似性,它体现了自然界

4、中大多数物质的局部与整体在时间、空间、形态和信息等方实际数据的处理结果表明,该方法更能提升关联维数面的基本属性。分形理论中的关联维数在处理复杂的的分辨性,有利于现场故障的识别。非线性问题时具有独特的优势,它对系统吸引子的不均匀反应敏感,大小及变化可有效反映信号的不规则1极值点奇异值降噪度和复杂度,且计算过程相对简单,因而在故障诊断领域得到广泛应用。实测信号中的噪声会导致关联积分曲线标度区减引用格式:袁壮,段礼祥,王金江.基于极值点奇异值降噪与关联维数的电机转子不平衡故障识别.石油科学通报,2016,03:425-433YUANZhuang,DUANLixiang,WANGJinjian

5、g.MotorrotorimbalancefaultrecognitionbasedonextremepointSVDde-noisingandcorrelationdimension.PetroleumScienceBulletin,2016,03:425-433.doi:10.3969/j.issn.2096-1693.2016.03.038©2016中国石油大学(北京)清华大学出版社有限公司http://sykxtb.cup.edu.cn426石油科学通报2016年12月第1卷第3期小,关联维数估计值增大,更会淹没系统确定性特征,减少,表现为信号中“毛刺”逐渐的增多;当K增大因此

6、先要对振动信号进行降噪。本文采用了一种奇异到某一值时,信号有用信息得到最大程度的保留,同值分解(SVD)降噪的改进方法–极值点奇异值降噪。时将噪声影响降到最低,这就是要选取的最佳降噪阶该方法依据去噪后信号极值点数量随奇异值数目变化次。此时,继续增大K值,噪声的引入将占据主导地的关系,可以准确选取与最优降噪效果对应的奇异值位,大量“毛刺”突然出现,数学意义上表现为大量[8]数目。降噪的步骤如下。极值点以远超过之前的速率出现。因此,本文根据降噪后信号极值点数量的变化,找到了其转折突变点,1.1相空间重构即为应该选取的最佳降噪阶次。设原始时域信号为X={xxi

7、(=1,2,,N)},用时i

8、延法重构相空间矩阵:2关联维数的计算xx12xnxxx23n+12.1G-P算法A=(1)mn×xxxG-P算法是一种直接从时间序列中计算关联维数mm+11mn+−的方法,计算简单,容易实现。将采集的一维时域信号X={xxi

9、(=1,2,,N)}用m为向量个数,n为嵌入维数,mn+−=1N,i设定延时时间为1个采样间隔。延时法重构得到相空间轨道向量:X=xx,,,…x(4)1.2奇异值分解t{tt+

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。