基于最小邻近准则的故障诊断方法的研究.pdfVIP

基于最小邻近准则的故障诊断方法研究 李登元高海峰谢棒海 (军械1。稃学院Ii家庄050003) 摘要对设备的多故障类删自动识别问题是I垃备故障臼动诊断的难题之～。本文讨 沦罄r信号频域特性的故障信号特缸E提取方法，利_l{j这种方法可以把统计学的象类分析 技术j=}={丁故障类型识别，建立起一个由信号特征向譬构成的距离空间，以最小邻近准{l!lJ 作为故障类型识别的依据。这种准!111j可以作为建立故障类删臼动识别专家系统的推理规 删忆 关键词分类识别 最小邻近准则 特征提取 1引言 机械故障类型的自动识别问题是信号处理理论中模式识别的一个重要领域。对丁． 故障的定位和机械的维修具有重要的意义，以前的故障类型识别所朋的方法基本上立足 丁时域分析，根据机械再部仆的时序信号的变化，分段进行分析。随着计算机技术的发 展，麻刖人I：智能领域的专家系统引起人们的注意。本文提出一种提取故障信号频域特 征的方法，然后根据统计学中的聚类分析的原理，对故障进行分类识别。本文将从理论 上系统地阐述这一原理并证明，根据最小邻近准则建立起来的判决过稃，在某种意义上 来说是疑佳的。 2故障类型自动识别处理的结构 故障类型自动识别属丁：模式识别，所谓模式识别．也就是从不相芙的细’仃背景中 提取数据的明显特征年I嘱性，据此，把输入数据分成可以辨别的一些类砸。类别的总数 取决丁特定的应用。就机械设备而肓，从故障信号提取属丁特定类玳的特征是可能的。 通常利用信号的频谱作为分类的线索，本文后面将给予阐述。故障类刑臼动识别处理的 结构幽如幽1所示。 f，夏汕攀I数据坐换陋塑三擎|眇 ＼／／ }悖感器I l(特征提取)| 5分类器l 圈I故障类型自动识别处理结构 幽中，输入父犁j，就机械殴备而言，它是由传感器对设备振动、压力等参数进彳了 采集与处理而得剑的～系列的测量结果。数据变换器的作Hj是从测昔结果中选择特征父 覃卡¨特征排序。数据变换器也叫做特征提取器。分类器的作川是根据提取的特，址测讨值 对故障进行分类。 3故障信号特征的提取和分类原则 从判珧的过程来石，首先廊该建立一个由故障信号特征向彗{=f=J成的瓶离空问。这 个空间被划分为若干故障类，每～类有它自己的表征值。对任何一个待判定的特征向昔， 可以采取母板匹配的方法，求出与该特征向量最接近的那个类，然斤作山故5竹类艰判断。 作为一个类的代表府满足以卜条仆： (Ij特征参数府当是统计平均的结果： (2)在同一条件p(同一l‘况)，特征参数重复出现的概率1r常人： (3)特征参数所构成的距离空间应使得不同目标的交集尽量，j、： (4)特征参数的提取庸算法简单，便丁用软、埂件实现。 蚓2是基丁I聚类分析故障类删识别方法的示意幽。我刷露望住且相天系数较小时 类与类之间廊 互相关系数小 且相关系数人 圈l用于故障类型自动识别的聚类分析示意圈 根据人越的分析结果，我们发现，故障信号的功率谱可以作为提取故障信号的特 征参数的依据。机械设备振动信号的能量由两部分组成：激振能谱和谐振能谱。这两部 分的能量间的比例关系冈不同类型的故障而有明显莠异。所以，谱估计是特征提取的第 一步j’作。 假定与频率有关的故障信号特征向昔有j-个分昔．那么所在特征向域就构成一个J 维空间，记作RJ。由丁最人似然估汁是无偏估计，所以在定义RJ上的距离时．应以再 分莓的莘为变繁。 垃口∈尺，。6∈R，口j(“，、．，臼，)，b=(bl，···6，) 令p(“，b)=∑础，!“，一6 其由．u，是一绢加权系数。齐易让明p(“、6)满足度鼙空间的二=个公理，即度茧的1|负 一．，CI反性及二角不等式。 以二角不等式为例加以证明 l p(a，c)--∑qd，_睁∑∽旧一b，+b，一。 b，一qI=p(a，6)+p(b，c) 曼∑∞