一种旋转机械设备状态监测与故障诊断方法

摘要

本发明公开了一种基于系统聚类分析与费希尔判别分析的旋转机械设备故障诊断方法，该方法首先对所获取的正常和各类故障状态下的监测数据进行经验模态分解以提取能量特征向量；然后基于系统聚类分析验证样本间的可分性，消除样本数据分散性的影响；在此基础上，提取判别分析函数并构建判别总体，并根据旋转机械设备的实时状态监测数据进行故障诊断。本发明解决了旋转机械设备在线故障诊断的热点问题，实现了旋转机械设备的智能故障诊断；本发明方法不需要大量样本的故障状态数据和全寿命状态监测数据，即可建立状态监测和故障诊断模型，降低了对数据的依赖性，提高了可操作性，具有非常高的工程应用性。

主权项

一种旋转机械设备状态监测与故障诊断方法，其特征在于，该方法的步骤包括S1、在旋转机械设备的正常工作状态和多种故障工作状态下采集振动信号，并进行经验模态分解，提取能量特征向量样本；S2、对能量特征向量样本进行可分性分析，判断每种类别状态间样本的差异性和每种类别状态内样本的相似性；S3、将正常工作状态和多种故障工作状态下所提取的样本组成训练集，进行费希尔判别分析，并构建正常判别总体和多种故障判断总体，分别提取判别分析函数；S4、实时采集旋转机械设备在t时刻工作状态下的振动信号，并对其进行经验模态分解，选取包含主要退化特征的前p个本征模态函数分量，提取能量特征向量x；S5、利用所述判别分析函数，计算能量特征向量x与正常总体及每种故障总体之间的马氏距离，基于既定的判定规则对当前工作状态是否故障进行判断，并定位故障模式。