[發(fā)明專利]一種基于變分模態(tài)分解和灰度共生矩陣的轉(zhuǎn)子裂紋故障診斷方法

有效

• 申請?zhí)枺?/td>: 201811182815.0
• 申請日: 2018-10-08
• 公開（公告）號: CN109253882B
• 公開（公告）日: 2020-08-07
• 發(fā)明（設(shè)計）人: 鐘志賢;焦博隆;王家園;劉翊馨;段一戩;祁雁英
• 申請（專利權(quán)）人: 桂林理工大學(xué)
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 南寧新途專利代理事務(wù)所(普通合伙) 45119
• 代理人: 但玉梅

1.一種基于變分模態(tài)分解和灰度共生矩陣的轉(zhuǎn)子裂紋故障診斷方法，其特征在于：首先測得轉(zhuǎn)子系統(tǒng)的臨界轉(zhuǎn)速，然后使轉(zhuǎn)子系統(tǒng)在實(shí)際轉(zhuǎn)速為1.5倍臨界轉(zhuǎn)速的工況下，進(jìn)行下述處理：

步驟1：采用電渦流傳感器采集轉(zhuǎn)子上一點(diǎn)處的徑向振動信號，采用紅外光電轉(zhuǎn)速傳感器采集轉(zhuǎn)子上該一點(diǎn)處的轉(zhuǎn)子轉(zhuǎn)速信號，采集有裂紋轉(zhuǎn)子的N個樣本，采集無裂紋轉(zhuǎn)子的N個樣本；

步驟2：將采集到的信號{x(n)}進(jìn)行變分模態(tài)分解，即對轉(zhuǎn)子的徑向振動信號尋求K個模態(tài)函數(shù)u_k(t)，得到K個IMF分量；

步驟3：對每個IMF分量生成對稱極坐標(biāo)圖像；

步驟4：將對稱極坐標(biāo)圖像轉(zhuǎn)化為灰度圖像；

步驟5：灰度圖像生成灰度共生矩陣，提取灰度圖像紋理特征作為特征參數(shù)；

步驟6：選取灰度共生矩陣的特征統(tǒng)計量熵，取e₁，e₂，e₃，e₄分別代表0°，45°，90°，135°方向的熵；

步驟7：設(shè)轉(zhuǎn)子系統(tǒng)的兩個狀態(tài)為j，其中，j＝1代表無裂紋轉(zhuǎn)子，j＝2代表裂紋轉(zhuǎn)子，對于某一狀態(tài)的第i個IMF分量的特征向量就為H_ji＝[e_i1，e_i2，e_i3，e_i4]，為4維向量，其中，e_i1，e_i2，e_i3，e_i4分別代表第i個IMF分量的灰度共生矩陣的0°，45°，90°，135°方向的熵；

步驟8：然后分別求對應(yīng)狀態(tài)下的N個樣本的0°，45°，90°，135°方向的熵的平均值，得到對應(yīng)狀態(tài)參考特征向量，為：其中，分別代表第i個IMF分量的灰度共生矩陣的0°，45°，90°，135°方向的熵的平均值；

步驟9：采集待診斷樣本若干個，同樣經(jīng)過上述步驟2-7，提取出特征向量H_ji＝[e_i1，e_i2，e_i3，e_i4]；

步驟10：通過式子分別計算待診斷樣本的第i個IMF分量的特征向量與j狀態(tài)的第i個IMF的狀態(tài)參考特征向量之間的馬氏距離d_ji；其中，e_i4代表第i個IMF分量的灰度共生矩陣的135°方向的熵，代表第iIMF分量的灰度共生矩陣135°方向的熵的平均值；Ver代表計算特征向量所對應(yīng)元素的方差；

步驟11：計算狀態(tài)綜合距離d_j，即待診斷樣本特征向量與各個狀態(tài)參考特征向量的綜合距離，并給予相應(yīng)的加權(quán)系數(shù)b₁，···，b_k，計算式為：d_j＝b₁·d_j1+b₂·d_j2+·+b_k·d_jk；其中，d_j為狀態(tài)綜合距離，d_j1、d_j2、···、d_jk為待診斷樣本的第K個IMF分量的特征向量與j狀態(tài)的第K個IMF的狀態(tài)參考特征向量之間的馬氏距離；

步驟12：比較待診斷樣本的d₁,d₂的大小，確定綜合距離較小者的就是待診斷樣本對應(yīng)的狀態(tài)。