基于EEMD样本熵和GK模糊聚类的机械故障识别.pdf

基于 ＥＥＭＤ 样本熵和 ＧＫ 模糊聚类的机械故障识别 王书涛 　 李 　 亮 　 张淑清 　 孙国秀 燕山大学河北省测试计量技术及仪器重点实验室，秦皇岛， ０６６００４ 摘要：针对目前各种机械故障诊断方法的局限性，提出了基于总体平均经验模式分解（ ＥＥＭＤ ）样本 熵和 ＧＫ 模糊聚类的故障特征提取和分类方法，建立了一种机械故障准确识别的有效途径。首先，对机 械振动信号进行 ＥＥＭＤ 分解，得到若干不同时间尺度的固有模态函数（ ＩＭＦ ）分量。其次，通过相关性 分析和能量相结合的准则对 ＩＭＦ 分量进行筛选，并将筛选出的 ＩＭＦ 分量的样本熵组成故障特征向量。 最后，将构造的特征向量输入到 ＧＫ 模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法 的有效性和优越性。 关键词：总体平均经验模式分解（ ＥＥＭＤ ）；样本熵； ＧＫ 模糊聚类；机械故障识别 中图分类号： ＴＨ１７ 　　　　　　 ＤＯＩ ： １０．３９６９ ／ ｊ ．ｉｓｓｎ．１００４－１３２Ｘ．２０１３．２２．０１１ Ｍｅｃｈａｎｉｃａｌ 　 Ｆａｕｌｔ 　 Ｄｉａ ｇ ｎｏｓｉｓ 　 Ｍｅｔｈｏｄ 　 Ｂａｓｅｄ 　 ｏｎ 　 ＥＥＭＤ 　 Ｓａｍ ｐ ｌｅ 　 Ｅｎｔｒｏ ｐｙ 　 ａｎｄ 　 ＧＫ 　 Ｆｕｚｚ ｙ 　 Ｃｌｕｓｔｅｒｉｎ ｇ Ｗａｎ ｇ 　 Ｓｈｕｔａｏ 　 Ｌｉ 　 Ｌｉａｎ ｇ　 Ｚｈａｎ ｇ 　 Ｓｈｕ ｑ ｉｎ ｇ　 Ｓｕｎ 　 Ｇｕｏｘｉｕ Ｍｅａｓｕｒｅｍｅｎｔ 　 Ｔｅｃｈｎｏｌｏ ｇｙ 　 ａｎｄ 　 Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ 　 Ｋｅ ｙ 　 Ｌａｂ 　 ｏｆ Ｈｅｂｅｉ 　 Ｐｒｏｖｉｎｃｅ ， Ｙａｎｓｈａｎ 　 Ｕｎｉｖｅｒｓｉｔ ｙ ， Ｑｉｎｈｕａｎ ｇ ｄａｏ ， Ｈｅｂｅｉ ， ０６６００４ Ａｂｓｔｒａｃｔ ： Ａｉｍｉｎ ｇ 　 ａｔ 　 ｅｘｉｓｔｉｎ ｇ 　 ｌｉｍｉｔａｔｉｏｎｓ 　 ｏｆ 　 ｔｈｅ 　 ｖａｒｉｏｕｓ 　 ｍｅｔｈｏｄｓ 　 ｆｏｒ 　 ｍｅｃｈａｎｉｃａｌ 　 ｆａｕｌｔ 　 ｄｉａ ｇ ｎｏｓｉｓ ， ａ ｎｅｗ 　 ｍｅｔｈｏｄ 　 ｆｏｒ 　 ｆａｕｌｔ 　 ｄｉａ ｇ ｎｏｓｉｓ 　 ｂａｓｅｄ 　 ｏｎ 　 ＥＥＭＤ 　 ｓａｍ ｐ ｌｅ 　 ｅｎｔｒｏ ｐｙ 　 ａｎｄ 　 ＧＫ 　 ｆｕｚｚ ｙ 　 ｃｌｕｓｔｅｒｉｎ ｇ 　 ｗａｓ 　ｐ ｒｏ － ｐ ｏｓｅｄ ， ａｎｄ 　 ａｎ 　 ｅｆｆｉｃｉｅｎｔ 　ｐ ａｔｈｓ 　 ｏｆ 　 ｍｅｃｈａｎｉｃａｌ 　 ｆａｕｌｔ 　 ｒｅｃｏ ｇ ｎｉｔｉｏｎ 　 ｗａｓ 　 ｅｓｔａｂｌｉｓｈｅｄ 　 ａｃｃｕｒａｔｅｌ ｙ ．Ｆｉｒｓｔ 　 ｏｆ 　 ａｌ ， ｔｈｅ 　 ｍｅｃｈａｎｉｃａｌ 　 ｖｉｂｒａｔｉｏｎ 　 ｓｉ ｇ ｎａｌｓ 　 ｗｅｒｅ 　 ｄｅｃｏｍ ｐ ｏｓｅｄ 　 ｂ ｙ 　 ＥＥＭＤ 　 ｉｎｔｏ 　 ａ 　 ｃｅｒｔａｉｎ 　 ｎｕｍｂｅｒ 　 ｏｆ 　 ｉｎｔｒｉｎｓｉｃ 　 ｍｏｄｅ ｆｕｎｃｔｉｏｎｓ （ ＩＭＦｓ ） ｗｉｔｈ 　 ｄｉｆｆｅｒｅｎｔ 　 ｔｉｍｅ 　 ｓｃａｌｅｓ．Ｓｅｃｏｎｄｌ ｙ ， ＩＭＦ 　 ｃｏｍ ｐ ｏｎｅｎｔｓ 　 ｗｅｒｅ 　 ｃｈｏｓｅｎ 　 ｂ ｙ 　 ｔｈｅ 　 ｃｏｍｂｉｎｅｄ ｃｒｉｔｅｒｉａ 　 ｏｆ 　 ｍｕｔｕａｌ 　 ｃｏｒｒｅｌａｔｉｏｎ 　 ｃｏｅｆｆｉｃｉｅｎｔ 　 ａｎｄ 　 ｅｎｅｒ ｇｙ 　 ａｎａｌ ｙ ｓｉｓ ， ａｎｄ 　 ｔｈｅ 　 ｓａｍ ｐ ｌｅ 　 ｅｎｔｒｏ ｐ ｉｅｓ 　 ｏｆ 　 ｅａｃｈ 　 ＩＭＦ ｃｏｍ ｐ ｏｎｅｎｔ 　 ｃｏｍ ｐ ｏｓｅｄ 　 ｆａｕｌｔ 　 ｅｉ ｇ ｅｎｖｅｃｔｏｒｓ．Ａｔ 　 ｌａｓｔ ， ｔｈｅ 　 ｃｏｎｓｔｒｕｃｔｅｄ 　 ｅｉ ｇ ｅｎｖｅｃｔｏｒｓ 　 ｗｅｒｅ 　ｐ ｕｔ 　 ｉｎｔｏ 　 ｔｈｅ 　 ＧＫ ｆｕｚｚ ｙ 　 ｃｌｕｓｔｅｒｉｎ ｇ 　 ｃｌａｓｓｉｆｉｅｒ 　 ｔｏ 　 ｒｅｃｏ ｇ ｎｉｚｅ 　 ｄｉｆｆｅｒｅｎｔ 　 ｆａｕｌｔ 　 ｔ ｙｐ ｅｓ．Ｔｈｅ 　 ｅｘ ｐ ｅｒｉｍｅｎｔａｌ 　 ａｎｄ 　 ｅｎ ｇ ｉｎｅｅｒｉｎ ｇ 　 ｔｅｓｔ ｄｅｍｏｎｓｔｒａｔｅ 　 ｔｈｅ 　 ｅｆｆｉｃｉｅｎｃ ｙ 　 ａｎｄ 　 ｓｕ ｐ ｅｒｉｏｒｉｔ ｙ 　 ｏｆ 　 ｔｈｉｓ 　 ｍｅｔｈｏｄ． Ｋｅ ｙ 　 ｗｏｒｄｓ ： ｅｎｓｅｍｂｌｅ 　 ｅｍ ｐ ｉｒｉｃａｌ 　 ｍｏｄｅ 　 ｏｆ 　 ｄｅｃｏｍ ｐ ｏｓｉｔｉｏｎ （ ＥＥＭＤ ）； ｓａｍ ｐ ｌｅ 　 ｅｎｔｒｏ ｐｙ ； ＧＫ－ｆｕｚｚ ｙ