基于递归复杂网络的滚动轴承故障诊断-论文.pdf

基于递归复杂网络的滚动轴承故障诊断-论文.pdf

ID:53029003

大小:748.76 KB

页数:7页

时间:2020-04-14

基于递归复杂网络的滚动轴承故障诊断-论文.pdf_第1页
基于递归复杂网络的滚动轴承故障诊断-论文.pdf_第2页
基于递归复杂网络的滚动轴承故障诊断-论文.pdf_第3页
基于递归复杂网络的滚动轴承故障诊断-论文.pdf_第4页
基于递归复杂网络的滚动轴承故障诊断-论文.pdf_第5页
资源描述:

《基于递归复杂网络的滚动轴承故障诊断-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第3期振动、测试与诊断VoI.35No.32015年6月JournalofVibration,Measurement&DiagnosisJun.2015基于递归复杂网络的滚动轴承故障诊断孙斌,梁超,尚达(1.东北电力大学能源与动力工程学院吉林,132012)(2.吉林省电力科学研究院有限公司长春,130021)摘要针对滚动轴承振动信号的非线性、非平稳的特征,提出了一种基于递归复杂网络(recurrencecomplexnet—work,简称RCN)的轴承故障诊断方法。首先,利用相空间重构的理论将一维时间序列扩展到高维相空间中,构建递归

2、矩阵;然后,研究了基于递归思想的定量递归分析方法;最后,采用递归复杂网络的方法提取故障轴承振动信号的非线性特征参数,对轴承正常状态、内圈故障、滚动体故障和外圈故障振动信号进行分析。研究结果表明,RCN方法可以对滚动轴承故障进行较为准确的诊断,与传统方法相比具有较好的诊断效果。关键词递归复杂网络;振动信号;故障诊断;波动模态中图分类号TH133.33递归复杂网络(recurrencecomplexnetwork,简称引言RCN)方法更为有效。笔者将递归复杂网络的方法应用于滚动轴承的故障诊断中,从应用的结果可以滚动轴承广泛应用于旋转机械中,轴承失

3、效是看出,RCN为滚动轴承故障诊断提供了一种有效可机械产生故障的重要原因之一;因此,对其故障进行靠的方法。诊断识别具有重要的实际意义。滚动轴承包括内圈、外圈和滚动体,当其中的某一组件表面发生故障1递归图定量分析时,就会导致轴承与相邻组件发生共振频率,进而对旋转机械的正常运行产生一定的影响。滚动轴承的1.1递归图的算法及原理性能不仅与它的材料有关,日常的维护和及时的诊断也是其长期正常工作的有力保障口。]。目前,人们递归性是很多动力系统最基本的特性,指系统已经提出了多种轴承故障诊断的方法,如仪器检测的某些状态在特定的时间具有的相似性质[1。和参数

4、比较识别等方法。Eckmannd等提出了递归图的概念,将一维时间序复杂网络是一种天然的结构,代表了许多真实列扩展到二维相空间,能够更清楚地认识系统的递世界的系统l_4]。近年来,复杂网络在医学、社会学等归性质。Maizel提出以像素点0和1的方式将一维很多领域已经有了蓬勃的发展。复杂网络有着很好空间扩展到二维平面空间,进而显示时间序列内部的灵活性和通用性,能代表所有的自然结构,包括那的结构特征。Zbilut等[1提出了基于递归图的定些发生动态变化的拓扑结构_8_。量递归分析的方法,对非线性动力学系统的研究有轴承的振动信号更多呈现出的是非线性及

5、非平积极的作用。稳的特性ls。传统的统计特征量分析方法仅能进递归图采用Takens提出的相空间重构的思行粗略判断,如频谱分析法虽可以进行精确的故障想,将一维时间序列重构到高维相空间中,具体算法诊断,但首先要了解诊断对象的故障机理。近年来,如下。人们更多地将非线性时问序列分析方法应用于故障诊断_1。例如,用基于递归定量分析(recurrence1)对于m维相空间的嵌入矢量从时间序列u(尼一1,2,⋯,N)以延迟时间r重构得到的动力系quantificationanalysis,简称RQA)的方法对轴承的故障进行诊断分析,但RQA方法只能提取相空

6、统为间中时间相关的特征,且当故障成分较为复杂时,诊一(,+,⋯,U+(一1))(1)断效果并不理想,对于这类问题用空间结构信息如(i一1,2,⋯,N~(m一1)r)*收稿日期:2o13—03—21;修回日期:2014—04—08第3期孙斌,等:基于递归复杂网络的滚动轴承故障诊断5792)计算重构相空问i和J两点的距离的性质。若代表网络中的某一节点,最表示节点S—llz—zIl(2)的度,网络的平均度对应于RQA中的递归度(一1,2,⋯,N一(一1)r;一1,2,⋯,㈤一愚(4)N一(一1)r)3)计算递归值网络的度分布可以表示为R(,)一H(

7、e—S)(3)P(志)一lz/N(5)(一1,2,⋯,N一(m一1)r;一1,2,⋯,其中:表示网络中度为是的节点的个数。N一(一1)r)度的大小描述了各种振动模态之间的短程相关其中:H(·)为heaviside函数;lI·ll为范数(这里的关系,一个节点的度越大表明在实际中某种意义采用Euclidean范数);£为参考阈值。越重要。1.2实验数据的采集2.2聚类系数实验数据采用美国凯斯西储大学电气工程实验室n的轴承实验数据进行滚动轴承故障的特征提取聚类系数是刻画复杂网络结构统计特性的一个和智能诊断。图1为滚动轴承振动实验台,用来模拟重要概念

8、。局部的聚类系数是网络中各个节点的聚轴承的振动信号。实验所采用的滚动轴承型号为类系数,全局的聚类系数为网络中所有节点局部聚SKF6205,装置包括瑞恩电动机、加速度

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。