本文關(guān)鍵詞：EEMD模糊熵和變量預(yù)測(cè)模型的轉(zhuǎn)子故障診斷新方法

  更多相關(guān)文章： 內(nèi)燃機(jī) 變量預(yù)測(cè)模型 總體經(jīng)驗(yàn)?zāi)B(tài)分解 模糊熵 指標(biāo)能量 故障診斷

【摘要】：提出一種基于總體經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition,EEMD)模糊熵和變量預(yù)測(cè)模型的轉(zhuǎn)子故障診斷新方法,并將其應(yīng)用于某型燃渦發(fā)動(dòng)機(jī)轉(zhuǎn)子的非平穩(wěn)振動(dòng)信號(hào)分析及故障診斷。將基于變量預(yù)測(cè)模型的模式識(shí)別方法引入轉(zhuǎn)子故障模式識(shí)別中,利用其較強(qiáng)的非線性問(wèn)題處理能力,通過(guò)變量?jī)?nèi)部特征值之間的內(nèi)在關(guān)系建立預(yù)測(cè)模型,并以預(yù)測(cè)誤差平方和最小作為故障模式判別依據(jù)。首先利用EEMD將轉(zhuǎn)子振動(dòng)信號(hào)分解成若干個(gè)模式分量;然后分別計(jì)算各個(gè)分量的指標(biāo)能量,篩選出包含主要故障信息的分量并提取模糊熵組成特征向量;最后采用基于變量預(yù)測(cè)模型的模式識(shí)別方法進(jìn)行故障識(shí)別和分類。對(duì)某型燃渦發(fā)動(dòng)機(jī)轉(zhuǎn)子正常、不平衡、不對(duì)中三種不同狀態(tài)下的振動(dòng)信號(hào)進(jìn)行分析,結(jié)果表明所提方法能夠有效識(shí)別轉(zhuǎn)子工作狀態(tài)。與神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)算法的對(duì)比分析證明,所提方法能更準(zhǔn)確、更高效地完成轉(zhuǎn)子故障診斷。
【作者單位】： 軍械工程學(xué)院四系;
【關(guān)鍵詞】： 內(nèi)燃機(jī) 變量預(yù)測(cè)模型 總體經(jīng)驗(yàn)?zāi)B(tài)分解 模糊熵 指標(biāo)能量 故障診斷
【基金】：軍隊(duì)通�？蒲谢痦�(xiàng)目(裝通[2012]80號(hào))
【分類號(hào)】：TK403
【正文快照】： 0概述燃渦發(fā)動(dòng)機(jī)作為軍用艦船和裝甲車輛的主要?jiǎng)恿ρb置,其核心部件轉(zhuǎn)子系統(tǒng)一旦出現(xiàn)故障或發(fā)生事故,不僅會(huì)造成重大的經(jīng)濟(jì)損失,而且直接影響裝備的正常使用與運(yùn)行;因此,及時(shí)判斷燃渦發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)工作狀態(tài)正常與否具有十分重要的實(shí)際意義[1]。為了及早發(fā)現(xiàn)故障,達(dá)到實(shí)時(shí)監(jiān)測(cè)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 謝濤,張育林;基于模糊熵與方向相似度的液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)[J];國(guó)防科技大學(xué)學(xué)報(bào);1998年04期

，

本文編號(hào)：648556