基于数学形态学和模糊聚类旋转机械故障诊断.pdfVIP

第３３卷　第５期 仪 器 仪 表 学 报 Ｖｏｌ３３Ｎｏ５ ２０１２年５月 ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ Ｍａｙ．２０１２ 基于数学形态学和模糊聚类的旋转机械故障诊断 王书涛，张金敏，李圆圆，张淑清 （燕山大学电气工程学院河北省测试计量技术及仪器重点实验室　秦皇岛　０６６００４） 摘　要：提出了一种数学形态学与ＧＧ（ＧａｔｈＧｅｖａ）模糊聚类相结合的旋转机械故障诊断方法，通过对滚动轴承信号的多尺度 形态运算得到信号的形态谱，定量反映了信号在不同尺度下的形态变化特征。为进一步对滚动轴承信号进行故障识别，提取出 基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱熵，并把这２个参数作为ＧＧ聚类的故障特征向量，进行 聚类分析，同时对ＧＧ聚类与ＦＣＭ（ｆｕｚｚｙｃｅｎｔｅｒｍｅａｎｓ）聚类和ＧＫ（ＧｕｓｔａｆａｏｎＫｅｓｓｅｌ）聚类进行了比较。实验证明了基于数学形 态学与ＧＧ聚类相结合的机械故障诊断方法的有效性，且证明了ＧＧ聚类更适合对不同形状、大小和密度的空间故障数据模糊 聚类，聚类效果更好。 关键词：数学形态学；ＧＧ模糊聚类；分形维数；形态谱；形态谱熵；故障诊断 中图分类号：ＴＨ１７　　文献标识码：Ａ　　国家标准学科分类代码：５２０．２０９９ Ｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓｂａｓｅｄｏｎｍａｔｈｅｍａｔｉｃａｌ ｍｏｒｐｈｏｌｏｇｙａｎｄｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇ ＷａｎｇＳｈｕｔａｏ，ＺｈａｎｇＪｉｎｍｉｎ，ＬｉＹｕａｎｙｕａｎ，ＺｈａｎｇＳｈｕｑｉｎｇ （ＭｅａｓｕｒｅｍｅｎｔＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｓｔｒｕｍｅｎｔａｔｉｏｎＫｅｙＬａｂｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ， ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＡｎｅｗｍｅｔｈｏｄｆｏｒｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓｂａｓｅｄｏｎｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙａｎｄＧａｔｈＧｅｖａ （ＧＧ）ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｉｃａｌｓｐｅｃｔｒｕｍｃｕｒｖｅｓａｒｅｃｒｅａｔｅｄｕｓｉｎｇｍｕｌｔｉ ｓｃａｌｅｍｏｒｐｈｏｌｏｇｉｃａｌｏｐｅｎｉｎｇａｌｇｏｒｉｔｈｍｗｉｔｈｖａｒｙｉｎｇｆｌａｔｓｔｒｕｃｔｕｒｅｅｌｅｍｅｎｔｓ，ｗｈｉｃｈｃｏｕｌｄｓｈｏｗｄｉｆｆｅｒｅｎｔｆａｕｌｔｃｈａｒａｃ ｔｅｒｉｓｔｉｃｓｑｕａｎｔｉｔａｔｉｖｅｌｙ．Ｉｎｏｒｄｅｒｔｏｒｅｃｏｇｎｉｚｅｆａｕｌｔｐａｔｔｅｒｎｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｓｆｕｒｔｈｅｒ，ｆｒａｃｔａｌｄｉｍｅｎｓｉｏｎｂａｓｅｄｏｎｍｏｒ ｐｈｏｌｏｇｉｃａｌｏｐｅｒａｔｉｏｎａｎｄｍｏｒｐｈｏｌｏｇｙｓｐｅｃｔｒｕｍｅｎｔｒｏｐｙｄｅｓｃｒｉｂｉｎｇｍｏｒｐｈｏｌｏｇｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｄｉｆｆｅｒｅｎｔｓｉｇｎａｌｓａｒｅ ｅｘｔｒａｃｔｅｄ；ａｎｄｔｈｅｔｗｏｐａｒａｍｅｔｅｒｓａｒｅｕｓｅｄａｓｔｈｅｆａｕｌｔｆｅａｔｕｒｅｖｅｃｔｏｒｓｏｆＧＧｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ．ＡｎｄｔｈｅＧＧｃｌｕｓ ｔｅｒｉｎｇｉｓｃｏｍｐａｒｅｄｗｉｔｈｆｕｚｚｙｃｅｎｔｅｒｍｅａｎｓ（ＦＣＭ）ｃｌｕｓｔｅｒｉｎｇａｎｄＧｕｓｔａｆａｏｎＫｅｓｓｅｌ（ＧＫ）ｃｌｕｓｔｅｒｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔｒｅ ｓｕｌｔｐｒｏｖｅｓｔｈａｔｔｈｅｍａｃｈｉｎｅｒｙｆａｕｌｔｄｉａｇｎｏｓｉｓａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙａｎｄＧａｔｈＧｅｖａｃｌｕｓｔｅｒｉｎｇ ｉｓｅｆｆｅｃｔｉｖｅ，ａｎｄＧＧｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｍｏｒｅｓｕｉｔａｂｌｅｆｏｒｔｈｅｄａｔａｓｅｔｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓ