RCMNAAPE在旋轉機械故障診斷中的應用

作者：儲祥冬,戴禮軍,涂金洲,等. 日期：2024-06-27/span> 瀏覽：723 查看PDF文檔

摘要:針對精細復合多尺度排列熵(RCMPE)無法充分提取旋轉機械振動信號中的故障信息,從而導致旋轉機械故障識別準確率不穩定這一缺陷,提出了一種基于精細復合多尺度歸一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分數(LS)和灰狼算法優化支持向量機(GWOSVM)的旋轉機械故障診斷方法。首先,利用幅值感知排列熵替換了RCMPE中的排列熵,提出了RCMNAAPE,并將其用于提取旋轉機械振動信號的故障特征生成特征樣本;隨后,采用了LS從原始的高維故障特征向量中篩選出較少的能夠更準確描述故障狀態的特征,構造敏感特征樣本;最后,將低維的故障特征向量輸入由灰狼算法優化的支持向量機中進行了訓練和測試,完成了旋轉機械樣本的故障識別和分類,利用滾動軸承和齒輪箱故障數據集將RCMNAAPE-LS-GWO-SVM與其他故障診斷方法進行了對比分析,并開展了評估。研究結果表明:基于RCMNAAPE-LS-GWO-SVM的故障診斷方法能夠有效識別旋轉機械的各類故障,其識別準確率高于其他對比的故障診斷方法,其中滾動軸承故障的識別準確率達到99.33%,齒輪箱故障的識別準確率達到98.67%。雖然,該方法的特征提取效率不佳,平均特征提取時間分別為153.02s和163.98s,僅優于精細復合多尺度模糊熵(RCMFE),但其綜合性能更加優異。

關鍵詞:故障識別準確率;滾動軸承;齒輪箱;精細復合多尺度歸一化幅值感知排列熵;拉普拉斯分數;灰狼優化支持向量機

中圖分類號:TH133.3文獻標識碼:A文章編號:1001-4551(2024)06-1039-11


本文引用格式:

儲祥冬,戴禮軍,涂金洲,等.RCMNAAPE在旋轉機械故障診斷中的應用［J］.機電工程,2024,41(6):1039-1049.

CHU Xiangdong, DAI Lijun, TU Jinzhou, et al. Application of RCMNAAPE in fault diagnosis of rotating machinery［J］.Journal of Mechanical & Electrical Engineering, 2024,41(6):1039-1049.