第 卷第 期 河 南 城 建 学 院 学 报 Vol No
年 月Journal of Henan University of Urban Construction May
基金项目河南省科技攻关项目
收稿日期
第一作者简介王亚东 男河南叶县人中国平煤神马集团阳光物业有限公司工程师
文章编号
基 于 差 异 度 的 旋 转 机 械 故 障 分 类
王亚东
殷战稳
中国平煤神马集团阳光物业有限公司河南 平顶山
河南城建学院电气与电子工程系 河南 平顶山
摘要针对旋转机械在故障和正常状况下的旋转振动信号存在频率差异的特点给出
了差异度的信息分离方法 依据该方法筛选出有用的 IMF 分量求取这些 IMF
分量的能量特征 把这一系列特征向量送入分类器进行分类从而可以实时
高效的对旋转机械进行诊断并完成故障分类
关键词差异度故障IMF特征向量分类
中图分类号TP文献标识码A
在实际工程中旋转机械在发生故障时不可能是全部部件出现问题大多只是某一零部件出现了故
障即旋转机械故障可以用某一小部分振动信息进行表述 对故障状态下的振动信息进行有效地提炼
可以缩短故障诊断的时间提高准确度实现故障检测的实时性
信息分离方法介绍
年Science发表了 Golub 等针对正常和非正常样本进行特征选取的研究结果
Golub 等
以信噪比指标作为衡量局部特征对样本分类贡献大小的度量 该信噪比指标为
SN
nomal
i
unomal
i
nomal
i
unomal
i
式中 i 为数据编号
nomal
i
nomal
i
unomal
i 和
unomal
i 分别表示正常样本和非正常样本数据 i
的均值和标准差 由式可知如果数据信息 i 在正常样本和非正常样本的表达水平均值相同那么
信噪比 SNi 则该数据信息被视为冗余信息 如果两个该数据信息在两个类别中表述水平的方
差出现较大差异那么可以认为该数据信息很可能是与故障紧密相关的特征信息
李颖等
对信噪比改进如下
SN
nomal
i
unomal
i
nomal
i
unomal
i
ln
nomal
i
unomal
i
nomal
i
unomal
i
式中 为参数根据具体情况设置其它参量同式表述意义相同 对式分析可知 SN 分类
信息指数越大含有的样本分类信息越多对样本的分类能力也越强而只有少数样本数据才有相对
较大的信息指数 即使两类样本中的信息表达水平的均值相同只要分布方差差别较大依然可以得到
较大的 SN 分类信息指数 SN 越大说明正常样本和故障样本的差别越大
由上述可知当某一振动信息在正常和故障两个类别中的分布均值相同则其信噪比 SNi
该振动信息会被作为无关信息而剔除 当振动信息在正常状态下的分布方差很小而在故障状态下的