基于变分模态分解和多尺度排列熵的故障诊断

基于改进变分模态分解的SRM功率变换器故障诊断方法

张竞文;熊立新;夏强;边敦新

【期刊名称】《微电机》

【年(卷),期】2022(55)4

【摘 要】为实现开关磁阻电机功率变换器故障诊断,本文提出了一种改进变分模态分解结合奇异值分析的方法,基于经验模态分解自适应特性和中心频率确定变分模态分解的分解数,并对故障相电流进行处理,根据互信息分析选择最佳模态分量构造初始特征矩阵,进行奇异值分解后计算归一化奇异值作为特征向量,输入支持向量机分类器进行故障识别。为验证诊断方法的可行性,建立了仿真模型与其他诊断方法进行了对比;搭建了开关磁阻电机实验台,测试了开路、短路故障状态,仿真和实验结果均表明本文所提方法可减小噪声影响,提高故障识别准确率。

【总页数】6页(P53-58)

【关键词】开关磁阻电机功率变换器;故障诊断;改进变分模态分解;奇异值分解;互信息

【作 者】张竞文;熊立新;夏强;边敦新

【作者单位】山东理工大学电气与电子工程学院;山东科汇电力自动化股份有限公司

【正文语种】中 文

【中图分类】TM352;TP273

【相关文献】 1.基于改进变分模态分解排列熵和极限学习机的汽轮发电机转子故障诊断方法∗2.基于变分模态分解和改进模糊支持向量机的\r汽轮机故障诊断方法3.基于改进变分模态分解与双测度分形维数的发动机故障诊断4.基于改进变分模态分解的滚动轴承故障诊断方法5.一种基于变分模态分解参数优化的轴承故障诊断方法

因版权原因，仅展示原文概要，查看原文内容请购买

第34卷 第23期 农 业 工 程 学 报 Vol.34 No.23 2018年 12月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2018 59

排列熵优化改进变模态分解算法诊断齿轮箱故障

王志坚1，常 雪2，王俊元1※，杜文华1，段能全1，党长营1

（1. 中北大学机械工程学院，太原 030051；2. 重庆大学机械工程学院，重庆 400044） 摘 要：为了准确提取齿轮箱中复合故障特征，该文选用变模态分解（variational mode decomposition，VMD）对振动信号进行处理，它能够将信号分解为多个固有模态函数（intrinsic mode function，IMF），但需预设分解层数k和惩罚因子；因此，为了能够自适应地确定分解层数k，该文提出了排列熵优化算法(permutation entroy optimization，PEO)，该算法可以根据待分解信号的特点自适应的确定分解层数k；同时，为了解决VMD算法对噪声的敏感性，该文根据噪声辅助数据分析的思想，提出了改进VMD算法（modified variable modal decomposition，MVMD），该算法首先添加成对符号相反的高斯白噪声到原始信号，再利用VMD算法对其进行分解，经过多次循环，原始信号中的噪声相互抵消，而后将每次循环得到的每层IMF分别进行集成平均。利用该算法分别对含有多故障特征的齿轮箱仿真信号及实测信号进行处理，均提取出了故障特征。该文所提方法对封闭式功率流试验台进行复合故障提取，160和360 Hz的故障频率分别被提取出。该方法为齿轮箱复合故障诊断提供新思路。 关键词：齿轮；算法；噪声；多故障；排列熵；变模态分解 doi：10.11975/j.issn.1002-6819.2018.23.007 中图分类号：TN911.72；TP206 文献标志码：A 文章编号：1002-6819(2018)-23-0059-08

文章编号：1671-7872(2024)01-0046-12特约综述郑近德，博士，教授，博士生导师，曾入选安徽省领军人才特聘教授、安徽省学术与技术带头人后备人选、安徽省青年皖江学者，目前担任中国振动工程学会故障诊断分会与动态测试分会与理事、安徽省振动工程学会理事、《振动与冲击》编委。主要研究领域为动态信号处理、设备健康监测、故障诊断与智能运维等，近5年主持国家自然科学基金项目2项，安徽省教育厅杰青等课题7项；以第一作者或通信作者发表论文88篇，授权发明专利5项，出版学术专著1部。2020—2023连续4年入选美国斯坦福大学发布的全球前2%顶尖科学家榜单。荣获安徽省自然科学奖二等奖(R1)、安徽省科技进步二等奖(R6)和中国振动工程学会科技进步奖各1项(R1)。

潘海洋，博士，副教授，硕士生导师，研究领域包括模式识别、设备状态监测与故障诊断等，主持安徽省自然科学基金、安徽高校自然科学研究重点项目等8项，以第一作者或通信作者在国内外期刊发表SCI、EI论文52篇，参编机器学习与故障诊断方向学术专著2部，入选美国斯坦福大学发布的2022年度全球前2%顶尖科学家榜单。 刘庆运，博士，教授，博士生导师，现任安徽工业大学机械工程学院院长，曾任华东地区机械原理教学指导委员会理事、安徽省机械原理与机械设计研究会副理事长等。主要研究领域为机器人设计与控制、设备智能运维等，主持国家重点研发计划子课题、国家技术创新工程试点安徽省专项资金项目子课题、安徽省科技重大专项计划等10余项，获安徽省科学技术一等奖和二等奖各1次、江苏省教育厅二等奖1次、安徽省科技成果1项、安徽省教育厅一等奖和二等奖各1次。

多尺度熵方法在机械故障诊断中的应用研究进展

郑近德 ，姚殷柔 ，潘海洋 ，童靳于 ，刘庆运(安徽工业大学 机械工程学院, 安徽 马鞍山 243032)

摘要：机械设备状态监测与故障诊断的关键是故障特征的表征与提取，采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来，通过不断修改和改进来提高熵估计的准确性，多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息，其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述，总结不同方法的特点优势与不足；针对多变量数据处理问题，综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后 收稿日期：2023-11-12基金项目：国家自然科学基金项目(51975004)；安徽省教育厅杰出青年基金项目(2022AH020032)作者简介：郑近德(1986—)，男，安徽临泉人，博士，教授，博士生导师，主要研究方向为设备健康监测与故障诊断。引文格式：郑近德，姚殷柔，潘海洋，等. 多尺度熵方法在机械故障诊断中的应用研究进展[J]. 安徽工业大学学报(自然科学版)，2024，41(1):46-57，97.Vol. 41 No. 1安徽工业大学学报(自然科学版)第41卷 第1期January　2024Journal of Anhui University of Technology ( Natural Science)2024年　1月结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战，对未来发展方向进行展望，即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。关键词：多尺度熵；多元多尺度熵；智能故障诊断；滚动轴承；机械设备中图分类号：TN 911.7；TH 165.+3 文献标志码：A doi：10.12415/j.issn.1671−7872.23170

基于多尺度排列熵的复合行星齿轮故障诊断研究

武哲1，张强2，黄华蒙1，成立峰1

（1.河北科技大学机械工程学院，河北石家庄050018；2.中国北方车辆研究所车辆传动重点实验室，北京100072）

来稿日期：2020-01-04基金项目：国家自然科学基金资助项目（51705130）；河北省自然科学基金青年基金项目（E2020208052）；河北省省级科技计划资助（20310803D）；河北省高等学校科学技术研究青年基金项目（QN2018168）作者简介：武哲，（1986-），男，河北石家庄人，博士研究生，讲师，主要研究方向：旋转机械故障诊断1引言

行星齿轮传动系统具有承载大、工作效率高、结构复杂等独

特特点，被广泛用于风电机组、重载车辆和武装直升机等重要民

用和军用装备的传动系统。据资料统计在行星齿轮传动系统中太

阳轮和行星齿轮等零部件发生故障所占的比例较高。因此，保障

行星齿轮传动系统中齿轮等关键零部件安全稳定的运行是避免

机械设备发生事故的直接手段。利用先进的设备的状态监测方法

与技术对齿轮故障的发生原因和位置进行诊断和分析，在此基础

之上开发行之有效的行星齿轮传动系统故障诊断方法，对于机械

设备健康管理与维修保障技术的发展具有重要意义[1-3]。

针对行星齿轮的故障诊断，文献[4]建立含故障的行星齿轮变速箱的振动信号模型，并通过实验数据进行验证了信号模型的有效性。文献[5]建立了行星齿轮变速箱动力学模型，研究结果证明了齿轮间隙等非线性因素对行星齿轮传动的动力学响应有显著影响。文献[6]考虑了传输路径的时变效应，建立了行星齿轮组的动力学模型，得到了行星齿轮组剥落故障的动态响应。

当行星齿轮传动系统发生耦合故障时，监测得到的的动力

学响应信号即振动信号发生相应突变，但是在振动信号的时域图

中很难准确识别这一变化。排列熵（PermutationEntropy，PE）[7]作

为信号序列复杂性和不确定性测量的有效工具，对机械系统响应