針對轉(zhuǎn)子系統(tǒng)故障時,其各頻帶能量分布與其故障狀態(tài)之間存在映射關(guān)系,提出了基于相對小波能量與灰色相似關(guān)聯(lián)度的轉(zhuǎn)子系統(tǒng)故障診斷。采用小波分解法將軸承加速度振動信號分解為細(xì)節(jié)部分和近似部分的小波系數(shù),這些小波系數(shù)分別對應(yīng)不同頻帶信號,利用得到的小波系數(shù)計算相對小波能量。由于灰色相似關(guān)聯(lián)度分析對小樣本模式識別具有良好的分類效果,以能量分布為元素構(gòu)造特征矢量,通過計算不同狀態(tài)下軸承振動信號的灰色相似關(guān)聯(lián)度來判斷故障類型。結(jié)果表明,該方法有效應(yīng)用于轉(zhuǎn)子系統(tǒng)故障診斷。 

【文章來源】：工具技術(shù). 2020年08期

【文章頁數(shù)】：4 頁

【部分圖文】：

轉(zhuǎn)子故障識別流程

表1 小波分解得到的頻帶 分解信號 頻帶(kHz) 分解層數(shù) D1 12～24 1 D2 6～12 2 D3 3～6 3 D4 1.5～3 4 D5 0.75～1.5 5 A5 0～0.75 6將轉(zhuǎn)子正常信號、不平衡和不對中障信號進(jìn)行小波分解,系數(shù)進(jìn)行重構(gòu),得到5個細(xì)節(jié)信號D1-D5和一個近似信號A5。圖4為三種工況下的能量分布�？梢钥闯�,每種工況下的相對小波能量明顯不同,其中,三種工況下的相對小波能量ρ1和ρ6的變化不明顯,在正常工況下,相對小波能量ρ5值最大。在故障狀態(tài)時,ρ5值顯著降低;ρ2值在故障狀態(tài)下明顯下降;相對小波能量ρ3和ρ4在故障出現(xiàn)時顯著增加。由圖還可以看出,四種工況下的相對小波能量分布不同,因此相對小波能量可作為判別故障類型的特征矢量。表2為隨機(jī)的每種工況下計算得到的5組能量分布。

表4 標(biāo)準(zhǔn)故障模式特征矢量與待識別樣本故障識別結(jié)果 樣本編號 待識別樣本與標(biāo)準(zhǔn)故障模式的灰色相似關(guān)聯(lián)度/相似關(guān)聯(lián)度 γ1 γ2 γ3 γ4 識別結(jié)果 1 0.8830/0.5642 0.7952/0.6523 0.8581/0.7625 0.8304/0.5365 正常 2 0.9257/0.5621 0.7191/0.7136 0.8109/0.6521 0.8334/0.5536 正常 3 0.9444/0.9513 0.7095/0.6325 0.7980/0.7712 0.8196/0.5641 正常 4 0.9124/0.9625 0.7467/0.7436 0.8546/0.8842 0.8879/0.7452 正常 5 0.9324/0.9135 0.7146/0.5214 0.8936/0.6958 0.8234/0.8316 正常 6 0.9476/0.9135 0.8635/0.5249 0.8235/0.6654 0.8768/0.4216 轉(zhuǎn)子不平衡 7 0.9245/0.9514 0.7675/0.5693 0.8367/0.7451 0.8879/0.7741 轉(zhuǎn)子不平衡 8 0.9468/0.9521 0.8684/0.8815 0.8945/0.5246 0.8267/0.8416 轉(zhuǎn)子不平衡 9 0.9357/0.9523 0.7278/0.4698 0.8290/0.7492 0.8950/0.8814 轉(zhuǎn)子不平衡 10 0.9467/0.9013 0.7265/0.5216 0.9457/0.9216 0.8218/0.8146 轉(zhuǎn)子不平衡 11 0.9438/0.9260 0.7185/0.7029 0.8276/0.8019 0.8264/0.5563 轉(zhuǎn)子不對中 12 0.8896/0.8365 0.8457/0.7519 0.8243/0.7156 0.8758/0.6215 轉(zhuǎn)子不對中 13 0.9537/0.9836 0.7428/0.7145 0.8178/0.5569 0.8254/0.6259 轉(zhuǎn)子不對中 14 0.9254/0.9236 0.7379/0.6529 0.8265/0.1462 0.8865/0.8715 轉(zhuǎn)子不對中 15 0.9384/0.6936 0.7243/0.7429 0.7784/0.4369 0.8376/0.7159 轉(zhuǎn)子不對中圖3 三種工況下的相對小波能量


本文編號：2958040