10.13465/j.cnki.jvs.2016.04.024
离心式压缩机转子故障识别的 EEMD -PCA 方法研究
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。
EEMD、PCA、波动变化性指标、离心式压缩机转子
TH165;TP18
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
2016-04-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
148-155