基于Volterra级数和KPCA的旋转机械故障诊断方法研究  

Fault Diagnosis Method of Rotating Machinery Based on Volterra Series and KPCA

作　　者：蒋静[1,2] 李志农[1,2] 易小兵 

机构地区：[1]南昌航空大学无损检测技术教育部重点实验室,南昌330063 [2]郑州大学机械工程学院,郑州450001 [3]河南省机电学校,郑州450001

出　　处：《噪声与振动控制》2011年第1期119-122,共4页Noise and Vibration Control

基　　金：国家自然科学基金(50775208;51075372);河南省教育厅自然科学基金(2006460005;2008C460003);湖南省机械设备健康维护重点实验室开放基金(200904)

摘　　要：提出一种基于Volterra级数和核函数主元分析(KPCA)的故障诊断方法。在提出的方法中,首先利用量子粒子群(QPSO)算法辨识出正常、转子裂纹、转子碰摩、基座松动四种状态下的Volterra级数,然后将Volterra级数作为特征向量输入到KPCA进行训练识别。实验结果表明,提出的方法是有效的,在只考虑一阶Volterra核的情况下不能进行很好地进行识别时,可以从二阶、三阶Volterra核上来区分。A new fault diagnosis method based on Volterra series and KPCA is proposed.In this method,firstly the Volterra series of four states,i.e.normal,rotor crack,rotor rub and pedestal looseness,are identified by particle swarm optimization（QPSO） algorithm.Then the Volterra series is used as characteristic vectors to input into the kernel principal component analysis（KPCA） for training and recognition.The experiment result shows that the proposed method is very effective.The higher order Volterra kernels such as the second-order,the third-order kernels can be used for the recognition when the faults can not be distinguished readily with the use of the first-order Volterra kernel only.

关 键 词：振动与波 VOLTERRA级数 量子粒子群(QPSO) 核函数主元分析(KPCA) 故障诊断 

分 类 号：TP206.3[自动化与计算机技术—检测技术与自动化装置]