离心式压缩机转子故障识别的 EEMD －PCA 方法研究

摘要：

针对离心式压缩机转子系统振动小，振动信号具有非平稳、非线性和伴随噪声干扰的特点，提出一种总体平均经验模式分解（Ensemble Empirical Mode Decomposition，EEMD）联合主分量分析（Principal Component Analysis，PCA）的故障识别方法。该方法以相关分析结合傅里叶变换选择基本模式分量（Intrinsic Mode Function，IMF）为基础，构造了波动变化性指标以定量识别 EEMD 的噪声幅值参数；进一步获取各运行状态的14种时域振动评价指标并构造标准化特征数据集后，采用 PCA 降维法得出不同类型故障的振动模式类别。通过对离心式压缩机转子典型故障的振动信号分析，其结果表明该方法能够在解除信号非平稳非线性干扰的基础上，快速独立地提取信号中的主要振动模式，制定表征不同故障类别的特征数据区域，从而有效提高了离心式压缩机的故障识别能力。

关键词：EEMD、PCA、波动变化性指标、离心式压缩机转子

分类号：TH165;TP18

资助基金：国家自然科学基金资助项目51421004；国家自然科学基金项目51365051；教育部新世纪优秀人才支持计划NCET －13－0461；中央高校基本科研业务费专项资金资助

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：148-155