基于多尺度排列熵的涡旋压缩机故障诊断

题名	基于多尺度排列熵的涡旋压缩机故障诊断
作者	马转霞
导师	刘涛
答辩日期	2016
学位名称	硕士
关键词	多尺度排列熵权重马氏距离故障诊断
摘要	涡旋压缩机是一种新型的容积式流体机械,具有结构紧凑、运行可靠、节能环保等优点,主要应用于制冷空调、医疗器械、交通运输、食品装潢等领域。因此,定期的状态监测和故障诊断对提高系统工作的稳定性、延长设备使用寿命都有着十分重要的意义。然而,目前关于涡旋压缩机的故障诊断仍停留在单一时间尺度的研究层面上,不能有效解决故障之间的多尺度耦合问题,也未能准确反映系统的动力学特性。针对这一现状,本文提出了基于多尺度排列熵的涡旋压缩机故障特征提取方法,通过典型故障的特征分析,探究了不同尺度上故障系统的动力学特性。最后利用加权马氏距离实施了故障识别,验证了该方法的有效性和准确性。具体内容主要包括以下几个方面:(1)研究基于奇异值差分谱的奇异值分解降噪方法,仿真结果显示,以奇异值差分谱的最大峰值为参考选择重构奇异值个数,能够达到很好的降噪效果。但是当信号中存在直流分量时,以最大峰值为参考选择奇异值会造成大量有用信息丢失,此时以第二个最大峰值为参考选择奇异值,才能达到较好的降噪效果。(2)针对单尺度信号分析方法的局限性,研究基于多尺度排列熵(MPE)的振动信号特征提取方法,用于定量描述不同状态、不同时间尺度上振动信号的能量分布规律。通过分析涡旋压缩机四种故障的MPE特征曲线发现,轴承松动故障的排列熵最大,机械组装松动故障的排列熵次之,转子不平衡故障的排列熵最小,这与四种故障状态下系统的不确定性程度相符。(3)为了进一步说明多尺度排列熵的诊断优势,分别以单尺度排列熵和多尺度排列熵为特征参数,利用基于熵值法的加权马氏距离进行涡旋压缩机故障诊断,结果显示,单尺度排列熵的平均诊断率仅为76.9%,而多尺度排列熵的平均诊断率达到了92.5%,由此可见,基于多尺度排列熵的诊断方法有明显的优越性。本文的研究成果表明,多尺度排列熵方法基本上能够全面反映涡旋压缩机故障系统的本质特征,不同尺度上的特征权重反映了各尺度上有用信息量的分布情况。
页数	71
URL	查看原文
语种	中文
收录类别	CNKI
中图分类号	TH45
文献类型	学位论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/91399
专题	兰州理工大学
作者单位	兰州理工大学
第一作者单位	兰州理工大学
推荐引用方式 GB/T 7714	马转霞. 基于多尺度排列熵的涡旋压缩机故障诊断[D],2016.