基于信息熵改进PCA的往复压缩机融合故障敏感特征提取  

Fusion fault sensitive feature extraction based on information entropy improved PCA for reciprocating compressor

作　　者：陈涛[1,2] 王立勇[2] 徐小力[1,2] 

机构地区：[1]北京信息科技大学现代测控技术教育部重点实验室,北京100192 [2]北京信息科技大学机电系统测控北京市重点实验室,北京100192

出　　处：《制造业自动化》2015年第13期103-105,共3页Manufacturing Automation

基　　金：国家自然科学基金项目(51105041;51275052);北京市自然科学基金资助重点项目(KM201411232020);教育部科学技术研究重点项目(212002)

摘　　要：故障特征提取是往复压缩机故障诊断的一个重要环节,针对往复压缩机多维运行状态数据间存在的相关关系,结合PCA实现故障特征融合和信息熵定量评价故障特征贡献率的优点,提出一种基于信息熵改进PCA的融合故障敏感特征提取方法。首先采集压力、温度、流量等多源运行状态数据,计算多维故障敏感特征;然后应用PCA对多维故障特征进行融合,以获得主故障特征;最后利用故障特征协方差矩阵计算信息熵,依据信息熵对主故障特征进行赋权,进而获得融合的故障敏感特征。往复压缩机实例表明,基于信息熵改进PCA可以客观有效提取出全面反映设备故障的融合敏感特征。

关 键 词：往复压缩机 特征提取 信息熵 特征融合 

分 类 号：TH17[机械工程—机械制造及自动化] TP391[自动化与计算机技术—计算机应用技术]