基于NPPE算法的轉(zhuǎn)子故障特征數(shù)據(jù)集降維方法研究.pdf

1、旋轉(zhuǎn)機(jī)械如大型蒸汽輪機(jī)、燃?xì)廨啓C(jī)、航空發(fā)動(dòng)機(jī)等，是國民經(jīng)濟(jì)生活的重要生產(chǎn)設(shè)施。大型轉(zhuǎn)子系統(tǒng)工況環(huán)境惡劣，隨著運(yùn)行時(shí)間增長，設(shè)備可能會(huì)出現(xiàn)各種各樣意料不到的故障，影響生產(chǎn)計(jì)劃，甚至造成人員傷亡等嚴(yán)重后果，因此對(duì)轉(zhuǎn)子系統(tǒng)進(jìn)行維護(hù)必不可少。隨著設(shè)備復(fù)雜程度加深，所需采集的設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)越來越多，所組成的高維特征數(shù)據(jù)集，足以使研究人員望而卻步。如何在高維數(shù)據(jù)集中提取設(shè)備有價(jià)值的信息，已經(jīng)成為故障診斷領(lǐng)域的熱門課題。低維特征空間直觀性強(qiáng)，易分析

2、，且數(shù)據(jù)處理效率高，可使診斷更加容易。
　　為此，本文以流形學(xué)習(xí)理論為基礎(chǔ)，以模擬化工機(jī)械的壓縮機(jī)——雙跨轉(zhuǎn)子系統(tǒng)為研究對(duì)象，利用非接觸式的電渦流位移傳感器采集得到離線狀態(tài)下的高維多域故障特征信號(hào)集，應(yīng)用數(shù)據(jù)降維方法，特別的提出了改進(jìn)的 NPPE流形學(xué)習(xí)算法，對(duì)多域故障特征集進(jìn)行降維處理，并與模式分類算法相結(jié)合，研究其降維分類效果。主要研究工作及內(nèi)容如下：
　　1)鄰域保持多項(xiàng)式嵌入（NPPE）流形學(xué)習(xí)算法，有易于表達(dá)的顯式

3、映射函數(shù)，能保持?jǐn)?shù)據(jù)局部幾何結(jié)構(gòu)的非線性特性，還能利用新數(shù)據(jù)于降維之中，在機(jī)械故障診斷領(lǐng)域有巨大的應(yīng)用潛力。
　　2)基于NPPE流形學(xué)習(xí)算法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用，并且將其改進(jìn)為有監(jiān)督的機(jī)器學(xué)習(xí)形式，適當(dāng)?shù)奶岣吡肆炕收咸卣魈崛【纫约昂罄m(xù)的故障識(shí)別正確率。
　　3)將基于小波包能量譜的時(shí)頻分析方法應(yīng)用于轉(zhuǎn)子故障診斷中，具有優(yōu)良的診斷性能，簡單，易應(yīng)用；提取的轉(zhuǎn)子多域高維故障特征集，包含時(shí)域、頻域、時(shí)頻域共計(jì)26個(gè)特征

4、，用于數(shù)據(jù)降維。
　　4)開發(fā)了旋轉(zhuǎn)機(jī)械故障診斷測試系統(tǒng) FDTS-1，集MATLAB、SQL Sever和C＃于一身；將振動(dòng)數(shù)據(jù)存入 SQL Sever數(shù)據(jù)庫中，方便查詢和調(diào)用；測試系統(tǒng)中還有各種降維算法和分類算法，可對(duì)傳感器采集的多通道振動(dòng)信號(hào)組成的多域特征集進(jìn)行數(shù)據(jù)分析。
　　研究表明：基于流形學(xué)習(xí)的量化特征提取，因其可以發(fā)現(xiàn)故障數(shù)據(jù)集中的非線性信息，非常適用于此領(lǐng)域；如何將降維分析算法和模式識(shí)別算法嵌入在線的狀態(tài)監(jiān)測