基于振幅熵与功率谱重心的聚类分析在旋转机械故障诊断中的应用

摘要

随着工业化程度不断升级与经济的飞速发展,众多产业对旋转机械的需求越来越大,例如在电力、冶金、航空、石油、化工等产业。通常在整个生产过程中旋转机械的作用无可替代,一旦出现故障将会造成的重大的经济损失,因此对其稳定性与可靠性的要求也越来越高,而通过故障诊断方法,预防旋转机械转子故障与确保旋转机械保持平稳与正常工作具有重要意义。
　　在旋转机械故障诊断时,对于不同的故障对象,用来进行故障分析的特征量也会不同,因此选取一个合适的特征量在最后诊断结果的有效性上显得至关重要。本文就旋转机械转子的特点提出了基于振幅熵H(A)与功率谱重心C这两个特征属性的二维特征量(H(A),C),并且运用小波去噪与聚类分析技术围绕这个二维特征量(H(A),C)选取的合适性进行了理论研究与实验验证。
　　论文首先对旋转机械转子常见的故障(如转子不对中、转子不平衡、转子动静件碰摩、转子支承松动)的原因与故障时所体现的特征进行了详细介绍。其次,介绍了聚类分析中常使用到的聚类方法的现状及其适用情况,并就本文所使用到的网格聚类所涉及到的概念与基本原理进行了详述。第三,在熟悉小波分析技术的基本原理的基础上给出了小波去噪的具体方法。第四,阐述了计算一组数据的二维特征量(H(A),C)的理论依据与方法。最后,进行转子故障模拟实验,通过运用小波分析与聚类分析对样本数据的二维特征量(H(A),C)进行了分析,结果表明其能够较好的对转子出现的几种常见故障状态进行区分。

目录

封面

声明

中文摘要

目录

第一章 绪论

1.1 旋转机械故障诊断的意义

1.2 机械故障诊断技术的现状及发展

1.3 机械故障诊断技术的主要内容

1.4 本课题背景与主要工作

第二章 旋转机械常见振动故障特征

2.1 转子的基本振动特性

2.2 旋转机械转子的故障诊断

2.2.1转子不平衡机理与诊断

2.2.2转子不对中机理与诊断

2.2.3碰磨机理与诊断

第三章 数据聚类算法研究

3.1 聚类分析技术所面临的主要问题

3.2 主要聚类算法分类

3.2.1层次聚类算法

3.2.2划分聚类算法

3.2.3基于密度的聚类算法

3.2.4基于网格的聚类算法

3.2.5基于模型的聚类算法

第四章 基于振幅熵与功率谱重心的聚类分析

4.1 小波分析基本理论

4.11 传统信号分析及其不足

4.12 小波分析基本理论

4.2 网格聚类基本理论

4.21 网格的基本概念：

4.22 数据对象在网格单元中的位置标示

4.23 网格的一些基本特征

4.24 网格单元的联通与聚类

4.25 振幅熵H ( A)与功率谱重心C

4.26具体聚类分析

第五章 实例分析

5.1 转子故障数据采样

5.2 聚类结果分析

第六章 结论与展望

6.1 主要研究内容

6.2 展望

参考文献

发表学术论文和参加科研工作的情况

致谢