采用滑动平均多元多尺度色散熵的液压泵故障诊断方法_宫建成.pdf

第2卷 第1期V o l.2 N o.1 2 0 2 3年2月 J o u r n a l o f A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A F e b.2 0 2 3采用滑动平均多元多尺度色散熵的液压泵故障诊断方法宫建成1,韩 涛1,杨小强1,刘武强2,周付明2(1.陆军工程大学 野战工程学院,江苏 南京 2 1 0 0 0 7;2.海军工程大学,湖北 武汉 4 3 0 0 3 4)摘要:为了提高色散熵的信息提取能力,在兼顾计算效率和效果的前提下,引入多维嵌入重构理论,借鉴滑动平均的思想,更新了传统多尺度算法的粗粒化方式,提出了滑动平均多元多尺度色散熵(m o v i n g a v e r-a g e m u l t i v a r i a t e m u l t i s c a l e d i s p e r s i o n e n t r o p y,MA_m v MD E)用以提取液压泵故障特征。首先,利用均匀相位经验模态分解(u n i f o r m p h a s e e m p i r i c a l m o d e d e c o m p o s i t i o n,U P EMD)将振动信号分解为多个本征模态分量(i n t r i n s i c m o d e f u n c t i o n s,I MF),再采用相关系数法筛选敏感分量,将包含大量故障信息的模态分量作为多通道数据计算其MA_m v MD E值来提取故障特征。接着,采用MC F S方法选择故障敏感特征实现降维。最后,通过随机森林分类器完成故障识别。采用液压泵故障振动数据验证了该方法能够准确诊断不同类型和不同程度的故障。关键词:均匀相位经验模态分解;滑动平均多元多尺度色散熵;敏感I MF选择;故障诊断;液压泵 中图分类号:TH 1 3 7;T P 2 0 6D O I:1 0.1 2 0 1 8/j.i s s n.2 0 9 7-0 7 3 0.2 0 2 1 1 2 2 1 0 0 3F a u l t D i a g n o s i s o f H y d r a u l i c P u m p A d o p t i n gM o v i n g A v e r a g e M u l t i v a r i a t e M u l t i s c a l e D i s p e r s i o n E n t r o p y GONG J i a n c h e n g1,HAN T a o1,YANG X i a o q i a n g1,L I U Wu q i a n g2,Z HOU F u m i n g2(1.C o l l e g e o f F i e l d E n g i n e e r i n g,A r m y E n g i n e e r i n g U n i v e r s i t y o f P L A,N a n j i n g 2 1 0 0 0 7,C h i n a;2.N a v a l U n i v e r s i t y o f E n g i n e e r i n g,W u h a n 4 3 0 0 3 4,C h i n a)A b s t r a c t:I n o r d e r t o i m p r o v e t h e i n f o r m a t i o n e x t r a c t i o n o f d i s p e r s i o n e n t r o p y,t h i s p a p e r u p d a t e s t h e c o a r s e-g r a i n i n g a p p r o a c h o f t h e t r a d i t i o n a l m u l t i-s c a l e a l g o r i t h m a n d p r o p o s e s a n e w m e t h o d c a l l e d m o v i n g a v e r a g e m u l t i v a r i a t e m u l t i s c a l e d i s p e r s i o n e n t r o p y(MA_m v MD E)b y i n t r o d u c i n g t h e m u l t i d i m e n s i o n a l e m b e d d i n g r e c o n s t r u c t i o n t h e o r y a n d t h e i d e a o f m o v i n g a v e r a g e,w i t h d u e c o n s i d e r a t i o n o f c o m p u t a t i o n a l e f f i c i e n c y a n d e f f e c t s.F i r s t l y,t h e v i b r a t i o n s i g n a l i s d e c o m p o s e d i n t o s e v e r a l i n t r i n s i c m o d e f u n c t i o n s(I MF)b y u n i f o r m p h a s e e m p i r i c a l m o d e d e c o m p o s i t i o n(U P EMD),t h e s e n s i t i v e c o m p o n e n t s a r e s c r e e n e d o u t b y c o r r e l a t i o n c o e f f i c i e n t m e t h o d,a n d t h e s e l e c t e d c o m p o n e n t s c o n t a i n i n g a l a r g e a m o u n t o f f a u l t i n-f o r m a t i o n a r e c a l c u l a t e d t o g e t t h e i r MA_m v MD E v a l u e s a s m u l t i-c h a n n e l d a t a t o e x t r a c t t h e f a u l t c h a r a c-t e r i s t i c s.S e c o n d l y,t h e m u l t i-c l u s t e r f e a t u r e s e l e c t i o n(MC F S)m e t h o d i s u s e d t o s e l e c t s e n s i t i v e f a u l t f e a-t u r e s t o r e d u c e f e a t u r e d i m e n s i o n s.F i n a l l y,t h e f a u l t r e c o g n i t i o n i s c o m p l e t e d b y t h e R a n d o m F o r e s t c l a s-s i f i e r.I n t h i s p a p e r,t h e w e a k f a u l t v i b r a t i o n d a t a o f h y d r a u l i c p u m p h a v e v e r i f i e d t h a t t h i s m e t h o d c a n a c-c u r a t e l y d i a g n o s e d i f f e r e n t t y p e s a n d d e g r e e s o f f a u l t s.收稿日期:2 0 2 1-1 2-2 1基金项目:江苏省自然科学基金项目(B K 2 0 2 1 1 2 3 2)。第一作者:宫建成,硕士研究生,主要研究旋转机械故障诊断理论与应用,1 1 7 9 8 6 5 4 4 1q q.c o m。通信作者:杨小强,博士,教授,博士生导师,主要研究机械装备故障诊断理论及技术,3 1 1 3 5 9 3 6 9 9q q.c o m。K e y w o r d s:u n i f o r m p h a s e e m p i r i c a l m o d e d e c o m p o s i t i o n(U P EMD);m o v i n g a v e r a g e m u l t i v a r i a t e m u l t i s c a l e d i s p e r s i o n e n t r o p y(MA_m v MD E);s e n s i t i v e i n t r i n s i c m o d e f u n c t i o n s(I MF)s e l e c t i o n;f a u l t d i a g n o s i s;h y d r a u l i c p u m p 液压泵是各类工程机械广泛使用的动力部件,如汽车,起重机,挖掘机等1-3。工作环境通常较为恶劣,易发生各种类型的故障。由于液压泵的特殊性,发生故障可能会造成严重的安全事故,因此开发适用于液压泵的故障诊断技术具有极大的实际应用价值。优质的故障特征对准确判断液压泵故障具有重要意义。由于机械系统复杂且不确定因素较多,传统的经验模态分解(e m p i r i c a l m o d e d e c o m p o s i-t i o n,EMD)和小波包变换等方法不能有效提取出信号中蕴含的信息并进行分析。以熵理论为基础的特征提取方法以其优良的非线性数据处理性能在机械故障诊断领域取得较大进展,如样本熵4-5、模糊熵6-7、色散熵8和多尺度色散熵9等。由于多尺度熵具有优异的时间序列复杂性量化性能,姜万录等1 0将多尺度熵用于液压泵的故障识别并获得了较好的效果。但多尺度熵所基于的样本熵存在较大缺陷,影响所提取特征的可分性。对此,李梅红1 1将色散熵代替样本熵开发了多尺度色散熵(m u l t i-s c a l e d i s p e r s i o n e n t r o p y,MD E)并用于数控机床的故障诊断。虽然MD E有着较强的非线性数据处理能力,但基于粗粒化方式定义的多尺度方法在处理短时间序列时会产生较大的熵偏差,影响分析的可靠性1 2。为了解决该问题,本文开发了一种滑动平均的粗粒化方法,进而提出了滑动平均多尺度色散熵(MA_MD E)。考虑到对多通道数据分析的必要性和紧迫性,本文基于多维嵌入重构理论,将MA_MD E延伸至多通道分析,提出了滑动平均多元多尺度色散熵(MA_m v MD E),其可以实现多个通道数据的复杂性量化。液压泵振动信号在收集时往往包含大量噪声和较强的干扰分量,这些因素会严重干扰故障特征的提取和分析。由于直接对原始信号进行处理会降低提取的特征质量,因此有必要进行处理以减小干扰从而突出故障成分。时频处理方法是一种广泛用于时间序列降噪、分解和重构的技术。E MD能够将信号从低频到高频进行分解以实现不同时间尺度的分析。但E MD存在无法避免的模式混叠等效应,分解出的I M F分量无明确物理意义。为了解决这些问题以获得更纯的分量,W a n g等1 3提出了均匀相位经验模态分解(U P E MD)。通过选择相位分布更均匀的正弦函数作为扰动信号,使得分解后的分量几乎没有受到模式混合和残余噪声的影响。与E MD相比,U P E MD具