[1]孙留存,胡从川,钱大龙.基于 WSN 的旋转机械设备故障时频监测方法[J].机械与电子,2024,42(03):76-80.
　SUN Liucun,HU Congchuan,QIAN Dalong.Time Frequency Monitoring Method of Rotating Machinery Equipment Fault Based on WSN[J].Machinery & Electronics,2024,42(03):76-80.
点击复制

基于 WSN 的旋转机械设备故障时频监测方法()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Time Frequency Monitoring Method of Rotating Machinery Equipment Fault Based on WSN

Author(s):: SUN Liucun ; HU Congchuan ; QIAN Dalong; ( China Green Development Investment Group Co. , Ltd. , Beijing 100020 , China )

Keywords:: set empirical mode ; rotating mechanical equipment ; fault monitoring ; time frequency monitoring ; principal component analysis ; RBF neural network

摘要:: 由于旋转机械设备结构和振源较为复杂,以单一故障经验设置的阈值无法准确分解多模态故障,为提升故障监测效果,提出基于 WSN 的旋转机械设备故障时频监测方法。引入集合经验模态分解故障时频信号,分解不同时刻的振动信号,计算 IMF 分量的能量,结合归一化能量指标和 IMF 矩阵奇异谱熵指标,完成旋转机械设备故障时频信号分解。根据特征分解结果,运用训练后免疫 RBF 神经网络监测旋转机械设备故障。实验结果表明,该方法能够缩短监测时间、提高故障监测准确率。

Abstract:: Due to the complex structure and vibration source of rotating machinery equipment , the threshold set by single fault experience cannot accurately decompose multi-modal faults.In order to improve the fault monitoring effect , a time-frequency monitoring method for rotating machinery equipment faults based on WSN is proposed.The time-frequency signal of fault is decomposed by the collective empirical mode , the vibration signal at different times is decomposed , the energy of the IMF component is calculated , and the normalized energy index and the IMF matrix singular spectrum entropy index are combined to complete the decomposition of the fault time-frequency signal of rotating machinery equipment. According to the results of feature decomposition , the trained immune RBF neural network is used to monitor the faults of rotating machinery.The experimental results show that this method can shorten the monitoring time and improve the fault monitoring accuracy.

[ 1 ] 王庆锋,刘家赫,刘晓金,等 . 数据驱动的旋转设备性能退化趋势预测方法[ J ] . 计算机集成制造系统, 2022 , 28( 3 ): 724-734.

[ 2 ] 陈延涛,董彬虹,李昊,等 . 一种高动态低信噪比环境下基于多样本点串行快速傅里叶变换的信号捕获方法[ J ] . 电子与信息学报, 2021 , 43 ( 6 ): 1691-1697.

[ 3 ] 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.

[ 4 ] 刘颉,杨超颖,周凯波 . 基于图数据深度挖掘的旋转机械故障诊断[ J ] . 华中科技大学学报(自然科学版),2021 , 49 ( 9 ): 1-5.

[ 5 ] 侯召国,王华伟,周良,等 . 基于改进深度残差网络的旋转机械故障诊断[ J ] . 系统工程与电子技术,2022 , 44( 6 ): 2051-2059.

[ 6 ] 龚本灿,黎尚文,陈鹏 . 基于双效用函数的无线传感器网络拓扑博弈算法[ J ] . 计算机应用研究, 2021 , 38 ( 8 ):2445-2448.

[ 7 ] 邹娜娜,胡红萍,白艳萍,等 . 基于优化的 VMD 和小波包降噪的联合去噪方法[ J ] . 数学的实践与认识, 2021 ,51 ( 20 ): 135-142.

[ 8 ] 张伟,黄卫民 . 基于 SAPSO 算法的 RBF 神经网络设计[ J ] . 控制与决策, 2021 , 36 ( 9 ): 2305-2312.

[ 9 ] 杨晓丽,黄宏光,舒勤,等 . 基于 SVD 和低秩 RBF 神经网络的局部放电信号提取方法[ J ] . 高电压技术, 2021 ,47 ( 10 ): 3608-3616.

[ 10 ] 陶伟,顾斌,徐兴春,等 . 基于自适应 RBF 神经网络的电网变压器故障检测[ J ] . 科技通报,2019 , 35 ( 12 ):110-113.

[ 11 ] 马纪梅,张志耀,张启然 . 基于改进 RBF 神经网络的光伏组件故障诊断 [ J ] . 电测与仪表,2021 , 58 ( 2 ):118-124.

备注/Memo:: 收稿日期: 2022-09-02
作者简介:孙留存 ( 1967- ),男,山东嘉祥人,工程管理硕士,高级工程师,研究方向为智慧建筑开发研究、建筑机械设计;胡从川 ( 1989- ),男,陕西渭南人,中级工程师,研究方向为产业创新及智能化管理、建筑机械设计;钱大龙 ( 1976- ),男,山东济南人,中级工程师,研究方向为智能设备采购、建筑机械设计。

更新日期/Last Update: 2024-03-26