转子故障特征数据分类的KPCA-BFDA方法

对非线性转子系统故障特征数据的分类方法进行了研究.在提出一种偏费歇判别分析法(biased fisher discriminatory analysis,简称BFDA)的前提下,进一步提出将核主成分分析法(kernel principal component analysis,简称KPCA)与偏费歇判别分析法相结合的数据集降维方法,该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集,偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度.对实例数据与典型故障数据的分类结果表明,提出的偏费歇判别分析法在具备费歇判别分析降维可分性能的基础上,具有更低计算复杂度的特点.提出的核主成分分析结合偏费歇判别分析的算法,其对应的降维结果能直接应用于线性分类器,且取得了较好的分类效果.     

离心式压缩机转子故障识别的EEMD-PCA方法研究

针对离心式压缩机转子系统振动小,振动信号具有非平稳、非线性和伴随噪声干扰的特点,提出一种总体平均经验模式分解(Ensemble Empirical mode decomposition, EEMD)联合主分量分析(Principal component analysis, PCA)的故障识别方法。该方法以相关分析结合傅立叶变换选择基本模式分量(intrinsic mode function, IMF)为基础,构造了波动变化性指标以定量识别EEMD的噪声幅值参数;进一步获取各运行状态的14种时域振动评价指标并构造标准化特征数据集后,采用PCA降维法得出不同类型故障的振动模式类别。通过对离心式压缩机转子典型故障的振动信号分析,其结果表明该方法能够在解除信号非平稳非线性干扰的基础上,快速独立地提取信号中的主要振动模式,制定表征不同故障类别的特征数据区域,从而有效提高了离心式压缩机的故障识别能力。     

相空间稀疏化的信号压缩感知与重构方法

针对旋转机械振动信号受强噪声干扰导致传统FFT频域稀疏性差,难以进行正交匹配重构的问题,提出了相空间稀疏化结合正交匹配追踪(orthogonal matching pursuit,简称OMP)的信号压缩感知(compressed sensing,简称CS)方法。首先,对信号进行相空间重构(phase space reconstruction,简称PSR),并采用主分量分析(principal component analysis,简称PCA)提取主要分量和重构信号,以提高信号的频域稀疏性;然后,采用随机高斯矩阵测量及压缩频域稀疏性得到优化的信号;最后,采用正交匹配追踪算法重构信号。仿真信号和转子典型不对中信号的分析结果表明,该方法可以提高受强噪声干扰的振动信号在频域内的稀疏性,实现转子振动信号的有效压缩和准确重构。     

基于LabVIEW的数据采集与反馈控制通讯系统

针对传统的转子振动测试方法所需仪器较多、可靠性较差和成本较高等缺点,基于虚拟仪器技术,利用LabVIEW强大的图形化编程环境和adlink公司的数据采集卡,开发了一套先进的数据采集与处理系统.该系统以转子为研究对象,实现了多通道的数据采集、数据实时分析和数据保存等功能,同时利用LabVIEW中的VISA模块,完成了对转子转速的反馈控制.试验结果表明:系统操作简单,运行稳定,可扩展性良好,是一款功能强大、性价比高的分析软件.     

离心压缩机转子早期异常判别准则

针对美国石油学会(American petroleum institute,简称API)617标准规定的振幅限值准则一般用于离心压缩机转子故障报警,而难以识别因早期微弱故障导致的振动异常现象,提出一种以振动有效值辅助API617振幅限值准则的转子早期异常判别方法。该方法根据离心压缩机现场工况选择了转子临界前后的启停过程监测节点,制定了振幅限值系数的选定原则,设计了基于振幅限值准则的一次判定规则和有效值辅助的二次判定规则。Bently转子实验台各轻度典型故障检测表明,该方法可在API617振幅限值准则失效判定的情况下,识别转子早期状态异常。现场轴流压缩机转子弯曲诱发碰摩故障分析表明,一次判定规则适用于故障报警,二次判定规则可识别转子早期的振动异常。