联系我们

地址:石家庄市桥西区石风路
邮箱:shifengfengji@163.com
座机:0311-83813011
      0311-83803182
手机:冯先生 13784332318 张先生 13931883405

您现在的位置:首页 > 业内资讯业内资讯

基于风机振动信号的智能故障诊断技术研究现状

作者:石家庄风机     日期:2014-10-22     浏览:995     

1.2.1.4  基于信息熵的特征提取
信息熵是由 Shannon 在 1948 年运用概率论和数理统计学方法提出来的,其发展来源于信息论思想,他指出“信息是用来消除系统不确定性的,其数值的大小用消除系统不确定性的大小来度量”。信息熵是指系统或事物不确定性的减少,对于一个系统来说,熵值 H ( X )越大,系统包含的信息量越多,系统越复杂,不确定性越大。
正是由于熵可以很好反映系统的不确定性度,所以在机械故障诊断、图像处理、信息管理、环境科学、系统建模及评价分析领域得到了广泛应用。其中,在滚动轴承故障诊断研究中,Long  Zhang 等提出基于多尺度熵和自适应模糊神经网络对滚动轴承进行故障诊断,和以前单一尺度熵相比,多尺度熵更能反映轴承振动信号的非线性特征与内在属性,实现了对滚动轴承的不同工作状态和故障程度的有效区分。近似熵是 Pincus 对信息熵进行很好的改进后来表示时间序列的复杂性,张超等提出基于 LMD 近似熵和支持向量机的轴承故障诊断方法,用近似熵提取不同尺度下的轴承故障信息,对后续支持向量机分类提供了良好基础。样本熵作为近似熵的改进,在脑电、心电领域得到了广泛的应用。苏文胜等将样本熵引入到滚动轴承故障诊断中,利用小波包样本熵对故障进行特征提取,取得了很好的效果。 排序熵(Permutation Entropy, PE)是在 2002 年由 Bandt 和 Pompe 提出的,是一个基于时间序列的相邻数据对比的复杂度参数,具有计算简单、抗噪能力强的优点,和以前的样本熵和近似熵相比,排序熵可以更好的检测出复杂系统的动力学突变。
在医学上,欧阳高翔等用排序熵定量描述癫痫病人发作时每个时间段脑电波的特征变化,李段等将排序熵用来量化麻醉药物对大脑活动的影响。在气候气象学中,侯威等将排序熵用于度量气温突变的特征,并利用 EMD 计算出气温变化的周期。郝成元等利用排序熵对气候要素(气温值、降水量)进行复杂性度量,用来研究地形、地理位置对气候的影响。但是排序熵的应用在机械故障诊断中的应用并不多见。机械零件之间振动信号是通过衰减、调制传至外部,因此采集到的信号是复杂的非线性、非平稳信号,而排序熵是反映时间序列无序程度的非线性指标,因此可作为表征滚动轴承故障状态的参数。
1.2.2  基于振动信号的智能故障诊断技术研究现状
由于现代机械设备日趋庞大且结构繁杂,传统故障诊断技术结果已不能满足人们的要求,而智能算法的出现,给故障诊断技术开辟了新的研究领域。人工智能技术包括专家系统、模糊逻辑、人工神经网络、支持向量机、遗传算法、故障树决策、多传感器信息融合智能诊断、远程分布式智能诊断、基于行为的智能诊断等。设备智能诊断系统是一种基于知识及其处理技术,并以诊断对象知识获取和诊断模型为研究目标的系统,并向仪器化、智能化发展。
最先发展起来的是专家系统,是目前智能故障诊断领域应用最多且最常用的一种方法。专家系统的优点是知识可用基本规则表示,个别事实发生变化易于修改,
另外,专家系统也存在一些局限性,如系统知识库建立困难、诊断准确度依赖于知识库的丰富程度、缺发自学习和自适应能力等。因此,机器学习方法在智能诊断领域快速发展起来,并成为人工智能研究的重要课题之一。
BP 神经网络是最早的机器学习方法,是由十几位学者共同研究并在出版书籍中建立了并行分布处理理论,详尽地分析了 BP 算法,开创了人工神经网络在机器学习中的先例,使 BP 神经网络成为应用最广泛的神经网络算法之一。叶瑞召等利用小波包算法对轴承振动信号进行分解后重构分解系数,并将其作为 BP 神经网络的输入元素,取得了很好的效果。G. F. Bin 等提出了基于 EMD 和 BP 神经网络的诊断方法,先利用小波包算法剔除大量背景噪声,对重构后的信号进行特征提取,诊断效果良好。  

石家庄风机厂石家庄风机石家庄风机销售石家庄风机维修