首页|基于张量主成分分析的非线性双转子系统故障诊断方法

基于张量主成分分析的非线性双转子系统故障诊断方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对双转子在高速运转时难以从高、低压转子耦合出现的复杂振动现象中提取到有效的振动特征,及目前缺乏对其相应的研究等问题,本文提出一种采用张量主成分分析(multilinear prin-cipal component analysis of tensor objects,MPCA)与 K-最近邻(K-nearest neighbor,KNN)分类相结合的方法,并将其用于非线性双转子系统的故障诊断.首先采用集中质量法创建非线性裂纹双转子模型及其动力学方程,针对裂纹开合角度变化分析高、低压转子的振动特性.再将振动能量信号与振动信号归一化为彩色图像样本,使用MPCA算法对故障特征进行压缩提取.最后使用KNN分类算法对不同裂纹开合角度情况进行特征分类,并计算相应的分类率.实验结果表明,在转子高速区域含有低噪声的情况下,MPCA可以有效地区分不同裂纹程度的特征信号,为非线性双转子裂纹系统的故障诊断提供了新的检测策略.
Method of fault diagnosis of nonlinear dual-rotor system based on multilinear principal component analysis of tensor objects

cracked dual-rotorfault diagnosismultilinear principal component analysis of tensor objects(MPCA)K-nearest neighbor(KNN)

王肖锋、冯俊杰、刘军、邢恩宏

展开 >

天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津 300384

天津理工大学机电工程国家级实验教学示范中心,天津 300384

裂纹双转子 故障诊断 张量主成分分析(MPCA) K-最近邻(KNN)

国家重点研发计划天津市科技计划重点项目

2018AAA010300420YFZCGX00550

2023

10.16136/j.joel.2023.07.0208

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(7)
  • 1
  • 4