旋转机械故障诊断：无量纲参数与滤波方法融合

"这篇研究论文‘Fusion of the Dimensionless Parameters and Filtering Methods in Rotating Machinery Fault Diagnosis’发表在2014年7月12日的《Journal of Network》上，被EI收录。作者包括Jianbin Xiong、Qinhua Zhang、Guoxi Sun、Zhiping Peng和Qiong Liang，来自中国广东省石油化工设备故障诊断重点实验室以及广东石油化工学院计算机与电子信息工程学院。文章探讨了旋转机械复杂故障诊断中无量纲参数融合和滤波方法的问题，提出了一种结合无量纲指标和最小二乘法过滤的新方法，以解决大型无量纲指数波动和对应范围难以确定的问题。" 本文的主要研究内容是针对旋转机械设备在发生复杂故障时，无量纲参数的大幅波动及难以确定的范围问题。作者们提出了一种创新的方法，该方法整合了无量纲参数和最小二乘法过滤技术，旨在实现对无量纲指数的滤波处理并确定其有效范围。通过实验证明，该方法在处理8种不同类型的石化旋转设备轴承故障数据时，与四种不同的滤波方法（如卡尔曼滤波器EKF和加权平均滤波等）进行了对比，成功建立了无量纲指数的范围，并且展示了结合无量纲指标的优势。 在故障诊断领域，无量纲参数通常用于分析设备的性能和健康状态，因为它们不受单位影响，可以更好地反映系统本质的物理特性。然而，当设备出现复杂故障时，这些参数的波动可能会很大，使得故障识别变得困难。最小二乘法过滤是一种广泛应用的数据处理技术，它能够有效地平滑数据，去除噪声，从而提取出有用的信息。 实验部分，作者使用了多种轴承故障数据进行测试，这些数据代表了旋转机械设备可能遇到的各种故障情况。通过对比分析，证明了提出的无量纲参数与滤波技术相结合的方法在故障诊断中的优越性，尤其是在确定故障特征和范围的准确性上。这表明该方法对于提高旋转机械设备故障诊断的效率和精度具有重要的实际意义。 这篇论文为旋转机械设备的故障诊断提供了一种新的思路，即通过融合无量纲参数和有效的滤波技术来改善故障识别的稳定性和可靠性，这对于预防性的维护策略和设备健康管理具有重要价值。