基于M估计转子不平衡量识别.docVIP

基于M估计转子不平衡量识别 　　摘 要：转子不平衡问题是旋转机械故障中经常发生的问题，因此对不平衡量大小相位的识别至关重要。利用传统的最小二乘法计算的转子不平衡量受异常值影响较大。加权最小二乘法需要对振动数据的处理较为繁琐并且权重大小难以确定。现提出一种基于M估计的转子不平衡量的识别方法，该方法具有稳健性，受异常值的影响较小，且便于计算权重。通过实验证明，该方法可以得到转子的不平衡量。 　　关键词：动平衡；影响系数法；最小二乘法；M估计 　　中图分类号：V231.9 文献标志码：A 文章编号：2095-2945（2018）06-0087-03 　　Abstract： Rotor unbalance is a common problem in rotating machinery fault， so it is very important to identify the phase of unbalance. The rotor unbalance calculated by the traditional least square method is greatly affected by the outliers. The weighted least square method needs to deal with the vibration data more cumbersome and the weight is difficult to determine. In this paper， a method of rotor unbalance recognition based on M estimation is proposed. This method is robust， less affected by outliers， and easy to calculate weights. It is proved by experiments that the unbalance of rotor can be obtained by this method. 　　Keywords： dynamic balance influence coefficient method； least square estimation； M estimation 　　引言 　　转子的不平衡量对转转子影响非常大，过大的不平衡量会直接损坏机器，所以对转子不平衡量的准确识别具有很大的意义。传统的影响系数法可以简单方便识别，但存在病态方程。最小二乘法和影响系数法的结合能够解决病态方程，但不具有稳健性；加权最小二乘法需要对转子的振动数据进行深入分析。本文通过M估计对转子的不平衡量进行识别，具有较好的稳健性，通过实验证明，M估计可以有效识别转子的不平衡量。 　　1 转子回归模型 　　影响系数法是转子动平衡最常用的方法。但是影响系数法存在病态方程，所以现经常采用影响系数法和最小二乘法相结合。影响系数矩阵可采用有限元模型或历史平衡记录获得。根据线性振动理论，在m个转速，n个测振点，q个平衡平面下，转子平衡方程为： 　　[L]=[L0]+[A]×[W]（1） 　　其中，[L]为各测点的残余振动；[L0]为转子在不平衡量下引起的各测点的初始振动；[A]为影响系数；[W]为校正质量。 　　矩阵形式表达为： 　　[L]、[L0]为p=m×n的列阵，[W]为q个平衡质量列阵。{A}是影响系数p×q的矩阵。当P=q时，方程有唯一解，而在实际平衡过程中经常出现Pq的情况，此时，需要对方程采用最小二乘法的原理，即最小化残差平方和，用矩阵形式表示有： 　　[W]=-（[A]T[A]）-1[A]T[L] 　　式（2）又可以转化为多元回归问题： 　　li=l0i+ai1?w1+ai2?w2+…+aiq?wq（i=1，2，3，…，p）（3） 　　2 M估计 　　稳健估计基本可以分为三大类型：M估计、L估计、R估计。其中M估计（Maximum Likelihood Type Estimates）是经典极大似然估计的推广，称为广义极大似然估计，本文主要讨论M估计。 　　设观测样本L1L2…Ln，X为待估参数，观测值的分布密度为f（li，■），极大似然估计准则为 　　■lnf（li，■）=max 　　用ρ（*）代替-lnf（*），则极大似然估计准则可以改为 　　■ρ（li，■）=min 　　对上式求导，得： 　　■φ（li，■）=0 　　其中：φ（li，■）=■ 　　由以上可知，有一个ρ函数，就定义了一个M估计。 　　几种常见的ρ函数 　　（1）huber函数 　　通常情况下k=1.345，既能保?C稳健