基于增量二维主成分分析的非线性转子系统故障诊断方法

作     者：陈建恩 何晓蕾 刘军 王肖锋 CHEN Jian′en;HE Xiaolei;LIU Jun;WANG Xiaofeng

作者机构：天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室天津300384 天津理工大学机电工程国家级实验教学示范中心天津300384 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2022年第33卷第7期

页      面：729-738页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(11872274) 天津市科研创新项目(2020YJSS052)资助项目 

主　　题：裂纹转子 故障诊断 增量主成分分析 k-最近邻 图像处理 

摘      要：针对智能故障诊断实际应用中存在的故障样本难以大量获取、面对新增故障类别需要一个完整的再训练周期的实时性等问题,提出一种采用增量二维主成分分析(incremental two-dimensional principal component analysis,I2DPCA)对非线性裂纹转子系统进行故障诊断的方法。首先构建水平支撑的非线性裂纹转子系统模型及其动力学方程,分别探究不同裂纹深度和质量偏心参数时系统振动响应的变化特征。其次将时域振动信号归一化为图像样本,由I2DPCA算法提取具有高判别力的低维故障特征。在上述处理基础上,使用k-最近邻(k-nearest neighbor,KNN)分类算法进行识别率的计算。数值仿真及相关实验的研究结果表明,基于I2DPCA算法的故障诊断方法可以在高速区域及小样本情形下有效地区分不同故障状况的信号,为裂纹转子系统的早期故障诊断提供了新的检测策略。