基于拓扑传递的耦合机械故障特征提取方法

摘要/Abstract

摘要：

旋转机械系统的复杂性,使得其特征参量具有较强的非线性和耦合性,对其进行有效特征提取存在困难。为了提取旋转机械系统耦合故障的特征信息,建立其状态特征信息拓扑空间,并构建旋转机械系统拓扑动力系统模型,基于系统的拓扑传递特性,提出了新的旋转机械系统特征提取的信息空间变换方法。通过跟踪系统特征信息的变换及传递过程,实现对系统特征信息的提取,从一个新的角度为分析旋转机械系统工作特性奠定基础。最后将该方法应用到含油膜力的裂纹故障、碰摩故障及裂纹碰摩耦合故障的旋转机械系统信息特征提取中,并通过仿真实验验证了理论方法的可行性。

关键词:

旋转机械, 特征提取, 拓扑动力系统, 拓扑传递

Abstract:

Because of the complexity of a rotating machinery system,it is difficulty to extract features effectively for its nonlinearity and coupling characteristic parameters.In order to extract the coupling characteristics of rotating machinery system,a state feature information topological space was established and a topological dynamic system model was constructed.A new method of information space transformation to

express the rotating machinery system and extract features was put forward according to the topological transitivity of the system.Through tracing the transfer and converting processes of feature information of the system,the feature of the system was extracted.A foundation for analysing the rotating machinery system working characteristics was laid from a new perspective.The proposed method was applied to an oil film force rotating machinery with single fault of rub,single fault of crack and coupling fault for feature extraction,the feasibility of the proposed approach was demonstrated by simulation experiments. 

Key words: rotating machinery system, feature extraction, topological dynamic system, topological transitivity

中图分类号:

TP277



张玉存, 马睿, 付献斌, 孔涛.

基于拓扑传递的耦合机械故障特征提取方法

[J]. 中国机械工程, 2012, 23(4): 435-438.

ZHANG Yu-Cun, MA Rui, FU Xian-Bin, KONG Chao. A Method of Feature Extraction in Coupling Machinery Faults Based on Topological Transitivity[J]. China Mechanical Engineering, 2012, 23(4): 435-438.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2012/V23/I4/435

[1]	籍永建, 姚利诚, . 机器人铣削加工颤振自适应识别方法研究[J]. 中国机械工程, 2023, 34(18): 2165-2176.
[2]	郑近德, 陈焱, 童靳于, 潘海洋. 精细广义复合多元多尺度反向散布熵及其在滚动轴承故障诊断中的应用[J]. 中国机械工程, 2023, 34(11): 1315-1325.
[3]	刘小峰, 张天瑀, 张春兵, 柏林. 基于交叉递归率的复材板损伤定位成像方法[J]. 中国机械工程, 2023, 34(08): 940-947.
[4]	赵靖, 杨绍普, 李强, 刘永强, . 一种残差注意力迁移学习方法及其在滚动轴承故障诊断中的应用[J]. 中国机械工程, 2023, 34(03): 332-343.
[5]	张亢, 田泽宇, 陈向民, 廖力达, 吴家腾. 多通道多分量分解方法在变转速工况齿轮故障特征提取中的应用[J]. 中国机械工程, 2022, 33(20): 2483-2491.
[6]	陈冬梅, 赵思恒, 魏承印, 陈亚杰. 船舶柴油机状态监测及预测性维护研究及应用[J]. 中国机械工程, 2022, 33(10): 1162-1168.
[7]	蒋佳炜, 胡以怀, 方云虎, 张陈, 芮晓松, 汪猛. 基于多尺度时域平均分解和模糊熵的船用风机故障诊断方法[J]. 中国机械工程, 2022, 33(10): 1178-1188.
[8]	张龙, 蔡秉桓, 熊国良, 王朝兵, 胡俊锋. 滚动轴承自适应特征提取的包络谱多点峭度多级降噪方法[J]. 中国机械工程, 2021, 32(24): 2950-2959.
[9]	赵志宏, 李乐豪, 杨绍普, 李晴. 一种频域特征提取自编码器及其在故障诊断中的应用研究[J]. 中国机械工程, 2021, 32(20): 2468-2474.
[10]	郭俊超, 甄冬, 孟召宗, 师占群, 谷丰收. 基于WAEEMD和MSB的滚动轴承故障特征提取[J]. 中国机械工程, 2021, 32(15): 1793-1800.
[11]	许鹏, 方舟, 王平, 耿明, 许勇. 基于脉冲漏磁暂态特征的缺陷量化评估方法[J]. 中国机械工程, 2021, 32(07): 860-866,881.
[12]	江志农1;王子嘉1;张进杰2;黄翼飞3;茆志伟2. 基于能量算子梯度邻域特征提取的核电应急柴油发电机组故障诊断方法[J]. 中国机械工程, 2021, 32(05): 617-623.
[13]	唐贵基;李楠楠;王晓龙. 综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法[J]. 中国机械工程, 2020, 31(24): 2988-2996.
[14]	万书亭;彭勃;王晓龙. 基于双时域变换和稀疏编码收缩的滚动轴承早期故障诊断方法[J]. 中国机械工程, 2020, 31(23): 2829-2836.
[15]	何彦1;凌俊杰1;王禹林2;李育锋1;吴鹏程1;肖圳1. 基于长短时记忆卷积神经网络的刀具磨损在线监测模型[J]. 中国机械工程, 2020, 31(16): 1959-1967.

基于拓扑传递的耦合机械故障特征提取方法

A Method of Feature Extraction in Coupling Machinery Faults Based on Topological Transitivity

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics