PDF《从故障实例数据库中挖掘振动信号特征》

从故障实例数据库中挖掘振动信号特征 ! 关惠玲 张优云 韩捷# 董辛F# 郝伟# $ 西安交通大学润滑理论与轴承研究所 西安% &

'

'

( ) * $ # 郑州大学振动工程研究所 郑州% ( + '

'

'

# * 摘要复杂, 并发故障诊断的难点在于这些故障的振动信号很复杂% 特征很难获取-文中阐述了从实例数据库中 挖掘故障特征的整体结构% 定义了信号的绝对, 相对和梯度特征及相应的绝对, 相对和梯度模式实例% 进而阐述了 应用模糊聚类分析挖掘特征模式的方法-最后以往复式压缩机实例挖掘系统为例说明了该原理的应用- 关键词.

故障诊断/ 数据挖掘/ 特征提取/ 知识获取/ 实例学习 中图分类号.

0 1

2 +

3 4

5 /

0 1 &

目前% 复杂, 并发, 非线性等疑难故障是工程诊 断难题-这些故障信号很复杂% 特征参数很难获得- 由于机理复杂% 建模分析时必然忽略掉许多因素- 根 据一个实例或一个实验信号也很难寻找到特征% 因 为一个具体对象太具有个性化% 很多情况下% 本机特 有结构因素也混杂在信号中-如何从复杂信号中提 取故障特征已被国内外学者所关注- 数据挖掘是近几年在世界范围内发展起来的从 数据库中获取有价值信息的技术-应用数据挖掘技 术获取疑难故障信号特征是一条值得探索的途径- 现有文献% 大多数在探讨一般的数据挖掘技术6

7 % 有一些文献开始探讨数据挖掘技术在工程中的应用6 # %

5 7 - 与工程诊断相关的文献大多是探讨一些模糊 逻辑, 基因算法和模糊聚类分析在已知特征前提下 如何去诊断故障的方法6 (

82 7 % 探讨数据挖掘技术直 接获取特征的文献较少- 文6 &

7 对数据挖掘的快速原 型处理模型进行了探讨% 应用粗糙集模型对回转机 械混合故障进行特征提取% 研究了特征波形挖掘算 法% 应用二维矩和遗传编程实现了二维图象特征指 标的挖掘- 本文应用模式描述信号特征% 应用模糊聚类分 析进行模式识别挖掘信号特征模式% 进而探讨从复 杂故障的实例库中挖掘特征模式的方法% 解决复杂, 并发故障的诊断问题- 从故障实例数据库中挖掘振动信号 特征原理 从故障实例数据库中挖掘振动信号特征原理结 构如图 所示- 图 从故障实例数据库中挖掘振动信号特征原理示意图 ! 国家9 九五: 攀登计划资助项目$ 编号. ;

<

) + # ) '

= >

* 和河南省科技攻关项目资助$ 编号. # '

'

'

# '

5 #

5 * 收稿日期. # '

'

? '

5 ?

2 / 修改稿收到日期. # '

'

? '

? # ) 万方数据 ! ! 信号的绝对特征# 相对特征和梯度特征 有些机组无故障时就具有很强的振动信号$ 如 往复式压缩机$ 气体的非平稳压缩过程引起很强的 振动% 以下称其为背景振动$ 以&

%'

(表示( ) 故障发生 时$ 故障引起的振动% 以*%'

(表示( 和背景振动复合 在一起构成总振动% 以+%'

(表示( )对于线性动力学 系统$ 振动响应满足叠加原理 + % '

(, &

% '

(- * % '

( * % '

(, + % '

(. &

% '

( % ! ( 由式% ! ( 可知$ 为得到故障振动信号$ 需要知道背景 振动 &

% '

( $ 因此在实例库挖掘原理中$ 背景振动以静 态参考实例库存在) 并发故障的发生一般有一先后顺序)设有两种 故障并发$ 引起振动分别以 * ! % '

( 和*/%'

(表示$ 则+%'

(, &

% '

(- * ! % '

(- * / % '

( % / ( * ! % '

( 先于 * / % '

( $ 相对 * / % '

( 而言 &

! % '

( ,&

% '

( - * ! % '

( 是背景振动信号$ 则&

!%'

(是相对 * / % '

( 而言的 参考实例$ 而且有一时间差$ 因此在实例库挖掘原理 中$ &

! % '

( 以慢变动态参考实例库存在)* % '

( 和*/%'

(所具有的特征称信号相对特征$ 以相对模式实例库 表示) 一些故障信号所具有的特征表现在变化过程 中$ 如压缩机叶轮上结垢# 叶轮掉块# 非线性振动的 分叉等$ 因此信号变化的梯度% 以0%'

(表示( 也是很 重要的特征$ 其是相对近期动态信号而言的$ 称为梯 度特征$ 以梯度模式实例库表示) 近期动态信号以快 变动态参考实例库存在) 对非线性动力学系统$ 无法应用叠加原理$ 则特 征只能以复合信号为对象$ 其所具有的特征称为绝 对特征$ 以绝对模式实例库表示) 因此$ 该原理包含一个由无故障实例库% 静态参 考实例库( # 慢变参考实例库和快变参考实例库构成 的参考实例库) 一个参数描述信号特征最直接# 明了$ 诊断推理 效率也最高)然而单个参数的描述能力很有限)信 号复杂时$ 需应用多个参数联合$ 这多个参数构成参 数向量)参数向量维数越多描述能力越强)但维数 越高$ 诊断推理效率越低) 因此在满足故障区分能力 的前提之下$ 维数越少越好)设原始信号的维数为

1 $ 描述信号的特征向量维数为 2)当特征向量维数 等于 1时称其为原始信号模式3 当45251 $ 称其为 特征向量模式3 当维数为 !时称其为特征参数模式) 本数据挖掘的目的就是获得最简单的特征向量模式 库) 原始信号# 特征向量和特征参数实例分别由原始 信号模式# 特征信号模式和特征参数模式表达) ! / 模糊聚类法从故障实例库中挖掘特征参数模式 应用模糊聚类分析从故障实例库中挖掘振动信 号特征模式) 由模式识别理论可知$ 一个向量可表示 一种模式) 设振动信号的分析参数有 1个$ 可构成一 向量

6 ,7 参数 ! $ 参数 / $ 8$ 参数

1 9 $ 该向量可代表 一种特征模式$ 实例库中有

2 个实例$ 可构成

2 个 向量

6 ! $

6 / $ 8$

6 2$ 代表 2种模式) 由模糊聚类理论 对 2种模式进行分类) :确定论域)将6!$6/$8$

6 2 确定为需要分类 的全体$ 构成论域$ 即;

,6!6/86?@A2,6!!6!!86!16/!6//86/162!

6 2/

8 6

8888888 B C D E

21 % F ( G建立相似模糊关系 H I ,

7 * J K

9 2L2 应用相关系数法求 * J K * J K, M

1 N ,! O

6 J N.

6 P J O O

6 K N.

6 P K O % M

1 N ,! %

6 J N.

6 P J ( / ( % M

1 N ,! %

6 K N.

6 P K ( / Q ( % R ( 其中

6 P J , !

1 M

1 N ,!

6 J N $

6 P K , !

1 M

1 N ,!

6 K N S按直接聚类法对 2个对象进行聚类计算 定义 ! 划分正确率定义为 T, 划分正确实例数 总实例数 % U ( 确定一个初始划分水平 V !和步长 W V $ 按每一 V J 可计 算一个结果TJ)在一个论域中可得出T,XY Z % T J ( $ 此时的划分结果即为该论语的划分结果) 从 1个参数中任取 [ %

1 [ ! ( 个构成一向量

7 6 J ! $

6 J / $ 8$

6 J [

9 $

2 个实例就有

2 个向量$ 这2个向量构成一个论域$ 对该论域划分可得 T和一个划 分结果) 从 1个参数中取 [个参数可有 ] ,1 %

1 .! ( 8%

1 .[ -! ( ^ [ _种组合$ 可得 ] 个论域$ 划分计算可得 ] 个划分正确率 T K % K ,! $ / $ 8$ ] ( )令T[,XY Z ] % T K ( % '

( 1个参数可计算 1个T[%[,! $ / $ 8$

1 ( $ 令T, XY Z

1 % T [ ( % a ( 具有 T划分结果的参数向量即为从实例库中 挖掘出的特征向量模式) b新的描述参数的寻找 如果 T ,! $ 说明现有参数已经能够完全描述故 c F F 万方数据 障! 如果 #$ % 说明现有参数还不能完全描述故障% 还需要寻找新的参数% 需要应用其它的分析方法% 如 小波分析法计算的参数! &

每个故障充分必要参数的寻找 某故障充分必要参数称为该故障的特征参数! 将单独一个参数构成一个向量'

一维向量( % 进行划 分计算% 如果划分结果有两类) 某一个故障单独为一 类% 其它故障为一类% 则该参数为该故障的特征参 数!不是所有故障都具有自己的特征参数!故障的 特征参数可简化诊断推理! * 应用实例 郑州大学振动工程研究........