風(fēng)機(jī)廠石家莊風(fēng)機(jī)廠石家莊風(fēng)機(jī)石家莊市風(fēng)機(jī)廠石家莊風(fēng)機(jī)維修石家莊風(fēng)機(jī)銷售

對(duì)石家莊風(fēng)機(jī)振動(dòng)信號(hào)的非平穩(wěn)和非線性特征，提出了一種基于時(shí)域信號(hào)分析和改進(jìn)的k一均值聚類算法的故障識(shí)別方法。對(duì)離心式石家莊風(fēng)機(jī)運(yùn)行中產(chǎn)生的幾種非穩(wěn)態(tài)振動(dòng)故障信號(hào)，提取其時(shí)域信號(hào)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(jìn)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(duì)中、石家莊風(fēng)機(jī)基座松動(dòng)、轉(zhuǎn)軸徑向摩擦和軸承內(nèi)圈損壞5種故障。對(duì)離心式石家莊風(fēng)機(jī)試驗(yàn)的結(jié)果表明，3種時(shí)域特征能較好地反映各故障之間的差異，改進(jìn)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(qiáng)，平均識(shí)別率達(dá)到88．67％。設(shè)備故障診斷的實(shí)質(zhì)是模式識(shí)別問題，包括特征提取和故障識(shí)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(jìn)行故障識(shí)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(shí)域信息，所以只對(duì)平穩(wěn)信號(hào)的分析有效，但是實(shí)際現(xiàn)場(chǎng)由于電網(wǎng)電壓的波動(dòng)以及設(shè)備自身的非線性等因素影響，設(shè)備振動(dòng)信號(hào)通常表現(xiàn)出非平穩(wěn)性[1]；b．文獻(xiàn)[2—3]利用神經(jīng)網(wǎng)絡(luò)對(duì)軸承故障進(jìn)行診斷得到了不錯(cuò)的結(jié)果，但是神經(jīng)網(wǎng)絡(luò)用于故障識(shí)別需要大量的訓(xùn)練樣本，而這在現(xiàn)實(shí)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(shí)域特征參數(shù)和改進(jìn)k一均值聚類的智能診斷方法，充分利用信號(hào)最直接的時(shí)域信息，提取振動(dòng)信號(hào)的峰峰值、Hurst指數(shù)和近似熵等對(duì)石家莊市風(fēng)機(jī)故障敏感度很高的參數(shù)來表征非平穩(wěn)信號(hào)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(dú)特的優(yōu)勢(shì)和良好的應(yīng)用前景，并具有優(yōu)良的泛化能力。
1試驗(yàn)裝置及試驗(yàn)方法試驗(yàn)系統(tǒng)中離心石家莊風(fēng)機(jī)的型號(hào)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(dòng)機(jī)的型號(hào)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(dòng)信號(hào)的測(cè)取，跟實(shí)際的石家莊風(fēng)機(jī)系統(tǒng)相比，試驗(yàn)裝置在石家莊風(fēng)機(jī)廠跟控制電機(jī)之問多了兩個(gè)軸承[4]，石家莊風(fēng)機(jī)和電機(jī)之間由剛性聯(lián)軸器連接，離心石家莊風(fēng)機(jī)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(cè)取徑向位移，石家莊風(fēng)機(jī)廠軸承座上平面安裝LC0119T型加速度傳感器。石家莊風(fēng)機(jī)聯(lián)軸器的垂直面作為試驗(yàn)測(cè)試面，水平安裝非接觸電渦流位移傳感器測(cè)取軸向位移，系統(tǒng)測(cè)取轉(zhuǎn)子聯(lián)軸器不對(duì)中振動(dòng)加速度信號(hào)。試驗(yàn)過程中，在石家莊風(fēng)機(jī)額定轉(zhuǎn)速下，保持離心石家莊風(fēng)機(jī)入口調(diào)節(jié)閾開度，使石家莊風(fēng)機(jī)的負(fù)荷維持在80％，采樣頻率為800 Hz，試驗(yàn)系統(tǒng)的整體結(jié)構(gòu)如圖1所示。圖2中的第1個(gè)信號(hào)為石家莊風(fēng)機(jī)正常運(yùn)行信號(hào)，第2到第6依次為不平衡、不對(duì)中、基座松動(dòng)、摩擦和軸承損壞故障信號(hào)。2基于時(shí)域分析的振動(dòng)信號(hào)特征提取
2．1峰峰值波形峰峰值分析反映了振動(dòng)信號(hào)的局部幅值強(qiáng)度變化，試驗(yàn)中采用加速度信號(hào)為分析信號(hào)，加速度是單位時(shí)間內(nèi)速度的變化率。石家莊風(fēng)機(jī)運(yùn)行時(shí)，在不同故障條件下轉(zhuǎn)子受到的應(yīng)力不同，其加速度會(huì)不同，反映到波形上的峰峰值也會(huì)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(jī)的運(yùn)行狀態(tài)。由于實(shí)際采樣的原始信號(hào)沒有明確的起始點(diǎn)，不是石家莊風(fēng)機(jī)轉(zhuǎn)動(dòng)工作周期的整數(shù)倍，這樣會(huì)造成信號(hào)間的可比性很差，不利于下一步的故障診斷，所以需要對(duì)原始信號(hào)截取石家莊風(fēng)機(jī)轉(zhuǎn)動(dòng)的n個(gè)工作周期進(jìn)行分析，以減小誤差對(duì)特征提取的影響。