基于加权相空间重构降噪及样本熵的齿轮故障分类.pdf

第22卷第5期 振 动 工 程 学 报 V01．22No．5 2009年10月 of OCt．2009 JournalVibration Engineering 基于加权相空间重构降噪及样本熵的齿轮故障分类 吕 勇，李友荣，肖 涵，王志刚 (武汉科技大学机械自动化学院，湖北武汉430081) 摘要：提出了一种基于加权相空间重构降噪及样本熵的齿轮故障分类方法，给出了加权相空间重构降噪及样本熵 的原理及计算公式。该方法将一维的时间序列重构到高维的相空间，通过区分吸引子在高维空间的不同的属性与 特征，对原始信号进行加权相空间重构降噪，再计算降噪后信号的样本熵从而实现对齿轮故障信号的分类。对该方 法进行了仿真与实验研究，结果表明，降噪后的信号有效地抑制了噪声对实验结果的影响，使得样本熵能够对齿轮 不同的工作状态进行有效区分。 关键词：相空间重构；样本熵；故障诊断；齿轮 中图分类号：TU311．3；THll3．1文献标识码：A 文章编号：1004—4523(2009)05—0462—05 重构反映了高维系统的动力学特性与吸引子演化的 引 言 信息口~6]。样本熵本质上是描述高维空间中相矢量 的聚集程度，当系统出现故障时，系统的运行状态会 发生改变，从系统中获取的振动等信号也会发生变 Grassberger等1987年提出运用相空间重构方 化，故其样本熵值也会发生改变，故障愈严重，信号 法从时问序列中提取分数维、Lyapnnov指数等混沌 特征量u】。至此，采用延时坐标重构时间序列的奇异 可预测性愈好，其熵值就会变小。齿轮箱在运转状态 吸引子这一思想为非线性时间序列分析提供了新的 下，伴随着其内部故障的发生与发展，齿轮振动信号 途径，即对于一维时间序列，将其扩展到高维相空间 由线性变为非线性，最后变为强烈的非线性，故需采 中，通过对高维空间中吸引子的分布规律和运动特 用非线性研究方法对齿轮故障进行识别。本文首先 点的研究，获取高维相空间中相点的几何特性获取 采用加权相空间重构降噪算法提取系统主要特征， 原始时间序列的动力学行为，同时获取时间序列中 然后将样本熵用于系统复杂度的描述，并将其用于 隐含的非线性现象的结构特征及其动力学规律[2]。 齿轮故障诊断中。 对于一维时间序列，进行相空间重构后，描述吸引子 运动形态的特征量Lyapunov指数、关联维数以及相 1 加权相空间重构降噪算法原理 关系数、庞加莱截面、主分量分析(PCA)、频闪法、局 部可变神经网络法、指数衰减法、频谱分析以及非线 对于任何一维时间序列可以重构一个m维的相 性预报等方法都可以分别作为时间序列的判别与分 空间，已经证明重构后m维相空间与系统动力学行 析方法[1~7]。吕志民等将相空间重构后的吸引子进为是微分同胚的，即重构的相空间具有与系统同样 行奇异值分解[3]，获取高维信号奇异谱，通过保留前 的动力学特征[1]。一维时间序列{x。)(i∈Ⅳ)重构的 若干个较大的奇异谱值，其余奇异谱值设为零，然后 相空间可以表示为 (1) 对其进行反变换获取一个新的时间序列，从而实现 X。==(z。一(。一1)，，z。一(