基于张量主成分分析的非线性双转子系统故障诊断方法

摘要

针对双转子在高速运转时难以从高、低压转子耦合出现的复杂振动现象中提取到有效的振动特征,及目前缺乏对其相应的研究等问题,本文提出一种采用张量主成分分析(multilinear principal component analysis of tensor objects,MPCA)与K-最近邻(K-nearest neighbor,KNN)分类相结合的方法,并将其用于非线性双转子系统的故障诊断。首先采用集中质量法创建非线性裂纹双转子模型及其动力学方程,针对裂纹开合角度变化分析高、低压转子的振动特性。再将振动能量信号与振动信号归一化为彩色图像样本,使用MPCA算法对故障特征进行压缩提取。最后使用KNN分类算法对不同裂纹开合角度情况进行特征分类,并计算相应的分类率。实验结果表明,在转子高速区域含有低噪声的情况下,MPCA可以有效地区分不同裂纹程度的特征信号,为非线性双转子裂纹系统的故障诊断提供了新的检测策略。