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-论文.pdf

《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-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第21期中国电机工程学报Vo1．33No．21Ju1．25，20131322013年7月25日ProceedingsoftheCSEE~2013Chin．Soc．forElec．Eng文章编号：0258-8013(2013)21-0132-06中图分类号：TH17文献标志码：A学科分类号：470-40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张文斌，郭德伟，普亚松，滕瑞静2，王鹏。，苏艳萍(1．红河学院工学院，云南省蒙自市661100；2．浙江大学机械工程学系，浙江省杭州市310027；3．济南科技信息研究所，山东省济南

2、市250001)HarmonicWindowDecompositionSampleEntropyandGreyRelationDegreeinRotorFanItRecognitionZHANGWenbin，GUODewei，PUYasong，TENGRuijing，WANGPeng，SUYanping(1．EngineeringCollege，Hon曲eUniversity,Mengzi661100，YunnanProvince，China；2．DepartmentofMechanicalEngineering，ZhejiangUni

3、versity,Hangzhou310027，ZhejiangProvince，China；3．ResearchInstituteofJinanTechnologyInformation，Jinan250001，ShandongProvince，China)ABSTRACT：Consideringthenon-stationaryfeaturesof难以获得大量典型故障样本的问题，提出一种基于谐波窗分vibrationsignalfromrotorandthedifficultytoobtainenough解(harmonicwindo

4、wdecomposition，HWD)、样本熵与灰色faultsamplesinpractice，anovelcomprehensivefault关联度相结合的故障识别方法。首先，为了降低噪声的影响，recognitionmethodwaspresentedbasedontheharmonic引入循环统计学的思想对传统形态滤波方法进行改进，定义windowdecomposition(HWD)，sampleentropyandgrey了顺序形态滤波器，并结合实际选用最简单的直线结构元relationdegree．Firstly,theid

5、eaofcirclestatisticswas素，对实测转子振动信号进行顺序形态滤波降噪预处理。然introducedtoimprovetheshortcomingoftraditional后，采用不分层分析的HWD来提取包含转子典型故障信息morphologicalfilterandtherank-ordermorphologicalfilter的6个特征频带，运用非线性动力学参数样本熵作为特征，wasdefined；thenthelinestructureelementwasselectedfor计算转子正常、不平衡、不对中、油膜涡

6、动、油膜振荡等5rank·ordermorphologicalfiltertodenoisetheoriginalsigna1．种工况的样本熵。最后，由于灰色关联度分析对小样本模式Secondl~thesixfeaturefrequencybandswhichcontainthe识别具有良好的分类效果，以特征频带的样本熵为元素构造typicalfaultinformationwereextractedbyharmonicwindow特征向量，通过计算不同振动信号的灰色关联度来判断转子decompositionthatneednotdec

7、omposition；thenthenonlinear的工作状态和故障类型。试验分析结果表明，所提的方法能dynamicparametersampleentropywasusedasafeatureand够有效地应用于转子系统的故障诊断。calculatedforfiverotorconditions．Finally,duetothegreyrelationdegreehasgoodperformanceinsmall—sample关键词：谐波窗分解；灰色关联度；样本熵；顺序形态滤波；classification，thesesample

8、entropiescouldserveasthefeature转子故障识别vectors，thenthegreyrelationdegreeofdiferentvibration0引言signalswasc