基于数学形态学和模糊聚类的旋转机械故障诊断.pdfVIP

学兔兔 第33卷 第5期 仪 器 仪 表 学 报 V01．33 No．5 2012年5月 Chinese Journal of Scientific Instrument M．dv．2012 基于数学形态学和模糊聚类的旋转机械故障诊断术 王书涛，张金敏，李圆圆，张淑清 (燕山大学电气工程学院河北省测试计量技术及仪器重点实验室 秦皇岛 066004) 摘 要：提出了一种数学形态学与GG(Gath—Geva)模糊聚类相结合的旋转机械故障诊断方法，通过对滚动轴承信号的多尺度 形态运算得到信号的形态谱，定量反映了信号在不同尺度下的形态变化特征。为进一步对滚动轴承信号进行故障识别，提取出 基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱熵，并把这2个参数作为GG聚类的故障特征向量，进行 聚类分析，同时对GG聚类与FCM(fuzzy center means)聚类和GK(Gustafaon—Kesse1)聚类进行了比较。实验证明了基于数学形 态学与GG聚类相结合的机械故障诊断方法的有效性，且证明了GG聚类更适合对不同形状、大小和密度的空间故障数据模糊 聚类，聚类效果更好。 关键词：数学形态学；GG模糊聚类；分形维数；形态谱；形态谱熵；故障诊断 中图分类号：TH17 文献标识码：A 国家标准学科分类代码：520．2099 Rotating machinery fault diagnosis based on mathematical morphology and fuzzy clustering Wang Shutao，Zhang Jinmin，Li Yuanyuan，Zhang Shuqing (Measurement Technology and Instrumentation Key Lab of Hebei Province，Institute of Electrical Engineering， Yanshan University，Qinhuangdao 066004，China) Abstract：A new method for rotating machinery fault diagnosis based on mathematical morphology and Gath-Geva (GG)clustering algorithm is introduced．The mathematical morphological spectrum curves are created using multi— scale morphological opening algorithm with varying flat structure elements，which could show different fault charac— teristics quantitatively．In order to recognize fault pattern of rolling bearings further，fractal dimension based on nor— phological operation and morphology spectrum entropy describing morphological characteristics of different signals are extracted；and the