文献类型：期刊文章

作　　者：温广瑞[1,2,3] 陈征[1,2] 张志芬[1,2]

WEN Guangrui;CHEN Zheng;ZHANG Zhifen(Key Laboratory of Education Ministry for Modern Design & Rotor-Bearing System,Xi’an Jiaotong University,Xi’an 710049,China;Research Institute of Diagnostics & Cybernetics,Xi’an Jiaotong University,Xi’an 710049,China;Mechanical Engineering College,Xinjiang University,Urumqi 830046,China)

机构地区：[1]西安交通大学现代设计与轴承转子系统教育部重点实验室,西安710049 [2]西安交通大学机械工程学院智能仪器与监测诊断研究所,西安710049 [3]新疆大学机械工程学院,乌鲁木齐830046

出　　处：《振动与冲击》

基　　金：装备预研共用技术和领域基金(6140004030116JW08001);国家重点研发计划项目(2017YF0210504);国家自然科学基金(51775409;51421004;51365051)

年　　份：2019

卷　　号：38

期　　号：15

起止页码：27-35

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有轴心轨迹特征用于转子故障程度判别识别精度低、效果差的问题,提出一种基于轴心轨迹象限信息熵的轴心轨迹特征提取新方法。该方法将轴心轨迹按象限划分为四个区域,分别计算四个区域的信息熵作为故障特征,然后使用模糊聚类进行故障模式识别和故障程度判别。通过分析网格划分程度对于聚类效果的影响,确定了象限信息熵获取过程中关键参数的确定方法,进而通过聚类中心初始化,改善了模糊C均值算法聚类效果不稳定的问题。通过在实验台进行不同故障不同程度的故障模拟实验,将提出的新指标与现有轴心轨迹特征进行对比,结果表明该方法在识别效果和数据可视化方面表现卓著,为后期进行实时状态监测和故障精密诊断提供了新的思路。

关 键 词：转子 轴心轨迹 象限信息熵  模糊C均值聚类

分 类 号：TH212] TH213.3