基于改進k一均值聚類算法的風(fēng)機振動分析（1）

風(fēng)機廠石家莊風(fēng)機廠石家莊風(fēng)機石家莊市風(fēng)機廠石家莊風(fēng)機維修石家莊風(fēng)機銷售

對石家莊風(fēng)機振動信號的非平穩(wěn)和非線性特征，提出了一種基于時域信號分析和改進的k一均值聚類算法的故障識別方法。對離心式石家莊風(fēng)機運行中產(chǎn)生的幾種非穩(wěn)態(tài)振動故障信號，提取其時域信號的峰峰值、Hurst指數(shù)和近似熵參數(shù)作為特征向量，采用改進的k一均值聚類算法作為故障分類器，設(shè)置轉(zhuǎn)子不平衡、聯(lián)軸器不對中、石家莊風(fēng)機基座松動、轉(zhuǎn)軸徑向摩擦和軸承內(nèi)圈損壞5種故障。對離心式石家莊風(fēng)機試驗的結(jié)果表明，3種時域特征能較好地反映各故障之間的差異，改進的k一均值聚類算法與原始的k一均值算法相比分類性能更好，穩(wěn)定性更強，平均識別率達到88．67％。設(shè)備故障診斷的實質(zhì)是模式識別問題，包括特征提取和故障識別兩部分。目前大多數(shù)智能診斷方法是以頻譜頻帶能量為特征，以神經(jīng)網(wǎng)絡(luò)進行故障識別。
這種模式存在以下問題：a．由于傅里葉頻譜不能反映任何時域信息，所以只對平穩(wěn)信號的分析有效，但是實際現(xiàn)場由于電網(wǎng)電壓的波動以及設(shè)備自身的非線性等因素影響，設(shè)備振動信號通常表現(xiàn)出非平穩(wěn)性[1]；b．文獻[2—3]利用神經(jīng)網(wǎng)絡(luò)對軸承故障進行診斷得到了不錯的結(jié)果，但是神經(jīng)網(wǎng)絡(luò)用于故障識別需要大量的訓(xùn)練樣本，而這在現(xiàn)實中往往難以滿足，且神經(jīng)網(wǎng)絡(luò)的泛化能力不是非常理想。筆者提出了基于時域特征參數(shù)和改進k一均值聚類的智能診斷方法，充分利用信號最直接的時域信息，提取振動信號的峰峰值、Hurst指數(shù)和近似熵等對石家莊市風(fēng)機故障敏感度很高的參數(shù)來表征非平穩(wěn)信號的特征。k一均值聚類是一種無監(jiān)督的學(xué)習(xí)方法，在不知道樣本類別的情況下，根據(jù)樣本的特征向量來分類樣本，在解決小樣本問題中表現(xiàn)出獨特的優(yōu)勢和良好的應(yīng)用前景，并具有優(yōu)良的泛化能力。
1試驗裝置及試驗方法試驗系統(tǒng)中離心石家莊風(fēng)機的型號為Y5—47315，最大轉(zhuǎn)速為2 900 r／rain，風(fēng)壓為803 Pa，風(fēng)量為1 830 m3／h，電動機的型號為Y90S一2，功率為1．2 kW，電壓為380 V，電流3．4 A，最大轉(zhuǎn)速為2 840 r／min。為便于振動信號的測取，跟實際的石家莊風(fēng)機系統(tǒng)相比，試驗裝置在石家莊風(fēng)機廠跟控制電機之問多了兩個軸承[4]，石家莊風(fēng)機和電機之間由剛性聯(lián)軸器連接，離心石家莊風(fēng)機軸的垂直和水平方向分別安裝非接觸式電渦流位移傳感器測取徑向位移，石家莊風(fēng)機廠軸承座上平面安裝LC0119T型加速度傳感器。石家莊風(fēng)機聯(lián)軸器的垂直面作為試驗測試面，水平安裝非接觸電渦流位移傳感器測取軸向位移，系統(tǒng)測取轉(zhuǎn)子聯(lián)軸器不對中振動加速度信號。試驗過程中，在石家莊風(fēng)機額定轉(zhuǎn)速下，保持離心石家莊風(fēng)機入口調(diào)節(jié)閾開度，使石家莊風(fēng)機的負荷維持在80％，采樣頻率為800 Hz，試驗系統(tǒng)的整體結(jié)構(gòu)如圖1所示。圖2中的第1個信號為石家莊風(fēng)機正常運行信號，第2到第6依次為不平衡、不對中、基座松動、摩擦和軸承損壞故障信號。2基于時域分析的振動信號特征提取
2．1峰峰值波形峰峰值分析反映了振動信號的局部幅值強度變化，試驗中采用加速度信號為分析信號，加速度是單位時間內(nèi)速度的變化率。石家莊風(fēng)機運行時，在不同故障條件下轉(zhuǎn)子受到的應(yīng)力不同，其加速度會不同，反映到波形上的峰峰值也會不同；所以，可以選用峰峰值作為故障特征，來反映石家莊市風(fēng)機的運行狀態(tài)。由于實際采樣的原始信號沒有明確的起始點，不是石家莊風(fēng)機轉(zhuǎn)動工作周期的整數(shù)倍，這樣會造成信號間的可比性很差，不利于下一步的故障診斷，所以需要對原始信號截取石家莊風(fēng)機轉(zhuǎn)動的n個工作周期進行分析，以減小誤差對特征提取的影響。