关键词：故障诊断;;变模式分解;;随机共振;;模糊C均值聚类;;双极模糊理论分析方法
摘 要：旋振动信号处理及故障诊断是旋转机械故障检测及识别的核心部分,在工程领域中,旋转机械的振动信号携带着设备运行状态的重要特征信息,对这些信号的正确处理及准确的故障分析可以对设备的运行状态进行监测,对于提前预测设备突发性故障、降低因设备故障带来的风险,具有重要的意义。本文引入随机共振及对其改进算法和双极模糊理论分析等方法,通过对这些算法的深入研究,并将其应用到旋转机械振动信号的处理及故障诊断中,主要内容如下:在研究进行强背景噪声下微弱故障特征信号提取时,针对随机共振系统参数a、b、h和变分模态分解的惩罚因子α和模态分解个数K在提前预设时往往由于预设不理想导致处理效果不佳的缺陷,提出了基于混沌粒子群算法参数优化的随机共振和基于混沌粒子群算法参数优化的变分模态分解相结合信号处理方法。利用混沌粒子群算法先分别优化随机共振和VMD的参数,然后对信号进行处理,并通过仿真及实验表明,此方法可以有效提取到强背景噪声下的故障信号特征。研究了由隶属度和硬C聚类演化而来的模糊C均值聚类故障分类方法,将FCM的分类方法与随机共振和变分模态分解处理方法创新性的结合起来应用于故障分类上。根据计算经随机共振和变分模态分解处理后的信号的样本熵和均方值的特性进行分类,然后通过实验表明此方法可以有效对故障进行分类。研究了故障特征模糊理论分析方法,深入故障程度诊断的复杂性,将双极模糊理论分析方法创新性的应用于故障程度评判并通过与传统单极模糊理论分析方法比较说明,此方法融合了双极模糊理论和故障综合评价的方法,可以针对故障状况进行更加深入的分析。为验证本文故障特征提取方法和故障程度评判方法的有效性,本文借助上海频询仪器设备有限公司的DDS动力传动故障诊断综合实验平台进行深入研究与进一步验证,通过实验平台采集滚动轴承的四种信号。同时采用VMD、模糊C均值聚类方法和基于混沌粒子群参数优化的随机共振、基于混沌粒子群参数优化的VMD、模糊C均值聚类方法处理做对比,将传统模糊理论分析方法与双极模糊理论分析方法进行对比,通过实验验证表明,本文使用的SRVMD结合FCM方法准确率明显优于VMD结合FCM方法,本文提出的双极模糊理论故障评程度判方法是在双极模糊理论分析方法和综合评判的基础上演化而来的更具有有效性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取