基于信息熵改进PCA的往复压缩机融合故障敏感特征提取.pdfVIP

学兔兔 基于信息熵改进PCA的往复压缩机 融合故障敏感特征提取 Fusionfaultsensitivefeatureextraction based on inof rmation entropyimprovedPCA forreciprocating com pressor 陈 涛 ，王立勇 ，徐小力 CHENTao’‘。WANG Li-yong，XUXiao- (1．北京信息科技大学现代测控技术教育部重点实验室，北京 100192； 2．北京信息科技大学机电系统测控北京市重点实验室，北京 100192) 摘 要：故障特征提取是往复压缩机故障诊断的一个重要环节，针对往复压缩机多维运行状态数据间存 在的相关关系，结合PCA实现故障特征融合和信息熵定量评价故障特征贡献率的优点，提出 一 种基于信息熵改进PCA的融合故障敏感特征提取方法。首先采集压力、温度、流量等多源 运行状态数据 ，计算多维故障敏感特征；然后应用PCA对多维故障特征进行融合，以获得主 故障特征；最后利用故障特征协方差矩阵计算信息熵，依据信息熵对主故障特征进行赋权， 进而获得融合的故障敏感特征。往复压缩机实例表明，基于信息熵改进PCA可以客观有效提 取出全面反映设备故障的融合敏感特征。 关键词：往复压缩机；特征提取；PCA；信息熵；特征融合 中图分类号 ：TH17；TP391 文献标识码：A 文章编号：1009-0134(2015)07(上)-0103-03 Doi：10．3969／J．issn．1009-0134．2015．07(上)．28 0 引言 计算所得的多维故障敏感特征也相应的存在一定的关 往复压缩机广泛用于化工和石油等领域 ，是生产 系，为此利用PCA方法对压缩机多维故障敏感特征进行 中的关键设备，承担着重要的能量转换和动力输出等任 融合。PCA的计算过程如下： 务。往复压缩机结构复杂，故障较多 】【】，在往复压缩机 1)计算协方差矩阵 故障诊断中，故障敏感特征提取是一个重要环节，它直 对输入数据矩阵X ，n表示样本个数 ，m表示变 接影响到故障诊断的结果。 量或特征个数，计算协方差矩阵C，协方差矩阵在一定 现有的利用振动或压力等进行的往复压缩机故障诊 程度上反映了多变量之 间的关系。 断，依据单一信号提取故障特征，不能全面利用设备的 c： … 一 1 ＼ ， 运行状态数据，给故障诊断带来局限性。为此从充分利 用实际监测得到的压缩机多源信号数据的角度 出发 ，结 2)对协方差矩阵分解 合PCA实现故障特征融合的优点和信息熵定量评价故障 “f=Cufi=1，2，…，m (2) 特征贡献率的优点，提出基于信息熵改进PCA的融合故 计算得到协方差矩阵的特征值 ，，．．．， (对特征 障敏感特征提取方法。 值按降序排列)和对应的单位化特征向量U。，U，．．．，U。 1 信息熵改进PCA方法的特征提取 3)按照累计贡献率选择主成分 ，构造映射矩阵P