[1]赵 璐,李雪荣,贾 先.基于多重分形的旋转机械振动故障检测方法基于多重分形的旋转机械振动故障检测方法[J].机械与电子,2023,41(07):18-22.
　ZHAO Lu,LI Xuerong,JIA Xian.Vibration Fault Detection Method for Rotating Machinery Based on Multifractal[J].Machinery & Electronics,2023,41(07):18-22.
点击复制

基于多重分形的旋转机械振动故障检测方法基于多重分形的旋转机械振动故障检测方法()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
41
期数:
2023年07期
页码:
18-22
栏目:
自动控制与检测
出版日期:
2023-07-25

文章信息/Info

Title:
Vibration Fault Detection Method for Rotating Machinery Based on Multifractal
文章编号:
1001-2257 ( 2023 ) 07-0018-05
作者:
赵 璐; 李雪荣; 贾 先
西安思源学院工学院,陕西 西安 710038
Author(s):
ZHAO Lu ;  LI Xuerong ;  JIA Xian
( School of Engineering , Xi ’an Siyuan University , Xi ’an 710038 , China )
关键词:
多重分形; 旋转机械; 振动故障检测; 小波域维纳滤波算法
Keywords:
multifractal ;  rotating machinery ;  vibration fault detection ;  Wiener filtering algorithm in wavelet domain
分类号:
TP277
文献标志码:
A
摘要:
为获取更加准确的旋转机械振动故障检测结果,提出基于多重分形的旋转机械振动故障检测方法。通过建立旋转机械振动信号采集模型,获取振动信号,采用小波域维纳滤波算法对振动信号去噪处理。分析不同条件下的振动数据,同时引入多重分形方法提取旋转机械振动信号故障特征,通过核模糊 C 均值聚类算法区分正常信号和故障信号,最终实现旋转机械振动故障检测。实验结果表明,所提方法进行旋转机械振动故障检测率较高,漏检率较低,检测时间较短,可以快速准确地完成旋转机械振动故障检测。
Abstract:
In order to obtain more accurate vibration fault detection results of rotating machinery , a vibration fault detection method of rotating machinery based on multifractal is proposed.By establishing the vibration signal acquisition model of rotating machinery , the vibration signal is obtained , and the wavelet domain wiener filtering algorithm is used to denoise the vibration signal.The vibration data under different conditions are analyzed , and the multifractal method is introduced to extract the fault characteristics of rotating machinery vibration signal.The normal signal and fault signal are distinguished by kernel fuzzy C-means clustering algorithm , and finally the vibration fault detection of rotating machinery is realized.After a large number of experimental tests , it is proved that the proposed method has high vibration fault detection rate , low missed detection rate and short detection time , and can complete the vibration fault detection of rotating machinery quickly and accurately.

参考文献/References:

[ 1 ] 梁小康 . 基于谱图和声学特征的旋转机械故障检测方法[ J ] . 电子器件, 2021 , 44 ( 3 ): 737-740.

[ 2 ] 史光宇,徐健,杨强 . 基于卷积神经网络的风电机组轴承机械故障智能诊断方法[ J ] . 华北电力大学学报(自然科学版),2020 , 47 ( 4 ): 71-79.
[ 3 ] 彭聪,刘彬,周乾 . 基于机器视觉和盲源分离的机械故障检测 [ J ] . 上海交通大学学报, 2020 ,54 ( 9 ):953-960.
[ 4 ] 许子非,岳敏楠,李春 . 基于流形学习与神经网络的旋转机械故障诊断 [ J ] . 热能动力工程,2020 , 35 ( 6 ):224-232.
[ 5 ] 陈仁祥,周君,胡小林,等 . 基于深度 Q 学习和连续小波变换的旋转机械故障诊断方法[ J ] . 振动工程学报,2021 , 34 ( 5 ): 1092-1100.
[ 6 ] 丁明宽,石志勇,韩兰懿,等 . 基于 EMD-DFA 小波阈值的 MEMS 陀螺信号去噪方法[ J ] . 火炮发射与控制学报,2021 , 42 ( 2 ): 50-56.
[ 7 ] 赵奎,杨道学,曾鹏,等 . 基于 EEMD-SCBSS 的岩石声发射信号去噪方法[ J ] . 振动与冲击, 2021 , 40 ( 5 ): 179-185 , 210.
[ 8 ] 刘宝,冯巨龙,宋树鹏,等 . 一种基于参数自整定的小波去噪算法研究[ J ] . 控制工程, 2020 , 27 ( 3 ): 444-450.
[ 9 ] 赵寿生,汪卫国,王丰华,等 . 基于统计特征与 EMD 算法的有载分接开关振动信号去噪[ J ] . 电工电能新技术,2020 , 39 ( 1 ): 51-58.
[ 10 ] 杨秋玉,阮江军,庄志坚,等 . 高压断路器机械振动信号的参数自适应降噪方法[ J ] . 高电压技术, 2021 , 47( 12 ): 4274-4287.
[ 11 ] 杨旭,邱明,陈立海,等 . 基于 PSO-RWE 的自适应小波阈值函数滚动轴承振动信号去噪方法[ J ] . 航空动力学报,2020 , 35 ( 11 ): 2339-2347.
[ 12 ] 蔡改贫,赵小涛,胡显能,等 .CEEMDAN 小波阈值联合的球磨机筒体振动信号去噪方法研究[ J ] . 机械科学与技术,2020 , 39 ( 7 ): 1077-1085.
[ 13 ] 赵斌,张闯,李隆,等 . 电力变压器振动检测装置设计及振动信号去噪方法研究[ J ] . 电测与仪表, 2021 , 58( 8 ): 118-124.
[ 14 ] 王治和,王淑艳,杜辉 . 基于密度敏感距离的改进模糊 C 均值聚类算法[ J ] . 计算机工程, 2021 , 47 ( 5 ): 88-96 , 103.
[ 15 ] 汤正华 . 基于改进蝙蝠优化自确定的模糊 C 均值聚类算法[ J ] . 计量学报, 2020 , 41 ( 4 ): 505-512.

相似文献/References:

[1]徐 凯,程 念,苗玉彬.基于单面影响系数法的动平衡测量研究[J].机械与电子,2015,(07):7.
　XU Kai,CHENG Nian,MIAO Yubin.A Study on the Measurement of Active Balance Based on Single-plane Influence Coefficient Method[J].Machinery & Electronics,2015,(07):7.
[2]肖祯怀.基于粒子群算法的旋转机械故障诊断[J].机械与电子,2023,41(07):71.
　XIAO Zhenhuai.Rotating Machinery Fault Diagnosis Based on Particle Swarm Optimization[J].Machinery & Electronics,2023,41(07):71.

备注/Memo

备注/Memo:
收稿日期: 2022-03-29
基金项目:陕西省科技厅青年项目(一般项目)( 2022JQ-713 )
作者简介:赵 璐 ( 1983- ),女,陕西西安人,博士,讲师,研究方向为智能制造、视听语音处理;李雪荣 ( 1966- ),女,陕西西安人,硕士,高级工程师,研究方向为电气自动控制;贾 先 ( 1971- ),女,陕西西安人,硕士,副教授,研究方向为智能制造。
更新日期/Last Update: 2023-08-30