可以实现旋转机械典型故障轴心轨迹的仿真与识别

利用图像领域 Canny 算子和 Hu 不变矩代替人眼识别轴心轨迹，运用人工鱼群精简冗余数据，采用 PNN进行故障分类，实现计算机智能识别分类机组故障。本文证实了此种识别方法比传统神经网络识别有更高的识别精度和效率。

简要介绍了几种当前主流的振动诊断方法,并针对其缺点提出了利用轴心轨迹椭圆面积描述转子振动状态的新方法。这种方法可以在1倍频振动强度较大的情况下,有效地识别风机的振动是由基础共振还是由不平衡所致,从而提高故障诊断准确率。将此方法在具体故障诊断中进行实践,结果表明,这种新方法可以成功地弥补当前诊断方法的不足,是一种实用的旋转机械故障诊断分析新方法。

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.