基于譜熵的故障特征提取與數據挖掘技術研究.pdf

1、本文以齒輪振動信號作為研究對象，采用譜熵方法提取故障特征，區(qū)分故障類型，對不同類型的齒輪振動信號進行了分類和聚類分析，在此基礎上研制開發(fā)了虛擬儀器故障診斷系統(tǒng)。 將譜熵方法引入到齒輪傳動系統(tǒng)中，對齒輪發(fā)生的裂紋、磨損故障進行了特征提取、區(qū)分與診斷，并與正常齒輪進行了對比。表明它可以很好的提取不同狀態(tài)齒輪信號的特征，能夠將它們進行有效的分離。在此基礎上進行了分類處理，可以對未知的齒輪振動信號進行可靠的判定。表明使用譜熵對不同狀態(tài)類

2、型的齒輪進行判定是一種有效的切實可行的方法。 將數據挖掘中的聚類分析方法應用到齒輪故障診斷中，在上面譜熵處理的基礎上，分別用K-mean方法和改進的基于密度和網格劃分的方法對一維和二維譜熵進行了處理和分析，取得了很好的效果。通過DCT變換和FFT變換得到的二維譜熵，可以表明，DCT變換的結果更有利于不同狀態(tài)類型的齒輪信號的分離，而FFT變換的結果卻更有利于對齒輪惡化狀態(tài)的趨勢分析和預測。證明使用聚類分析方法可以對不同類型的齒輪信