非线性故障诊断

非线性故障诊断中的应用Volterra级数及其在转子系统中的应用摘要Volterra级数理论是一种描述非线性系统的方法。由于充分考虑其非线性因素，Volterra级数体现非线性系统的本质特征。本文首先简要介绍Volterra级数的基本理论。然后，广义脉冲响应的功能（GIRF）确定采用遗传算法（GA）。最后，采用此方法运用于rotorbearing系统的故障诊断。我们调查的变化GIRF转子信号在不同的条件下运行阶段。通过实验验证该方法的有效性。本研究为机械系统的故障诊断提供了新的途径。引言于1880年由意大利数学家维托沃尔泰拉首次提出Volterra级数。泰勒级数的扩展，被广泛应用于Volterra级数的非线性系统的分析。它可以用来描述一个大的类别的非线性现象GIRF，有明确的物理意义。由于这些原因，非线性Volterra理论很快得到了很大的注意，在电气工程领域，在生物领域，作为一种强大的方法的非线性系统的建模行为。本文尝试用Volterra级数的转子-轴承系统建立一个模型。GIRF之间的变化被认为是正常和摩擦条件的转子系统在运行阶段期间。从传统的诊断方法是基于信号处理的不同，所提出的方法确定系统通过跟踪的变化GIRF的状态。因此，这是一个典型的基于系统模型的故障诊断方法。GA方法和良好的识别结果，最后实现确定的GIRF。它是一种新型的机械系统的故障诊断方法。本文其余部分安排如下：在第2节将描述Volterra级数理论的简要回顾。在第3节中阐述使用GA的识别方法GIRF。在第4和5节给出的一些实验。最后，给出结论在第6节。Volterra级数理论在现实世界中，大部分系统是非线性的。由于线性系统模型无法描述的非线性系统的动态特性，重要的是做一些研究非线性系统的识别方法。Volterra级数理论[1]-[3]具有坚实的数学理论基础在非线性系统的分析中起着重要的作用。Volterra级数描述的动态系统是一种广义的传递函数的概念，这对线性系统的分析和设计起非常重要作用。Volterra级数表示一个明确的输入输出关系的非线性动态系统，包括卷积积分的形式组成的无穷级数。在大多数情况下，我们可以描述一个非线性系统由一个截断的Volterra级数，并获得令人满意的精度。对于任何非线性系统yt=fy和y在这里ynt为n阶输出，在上述等式中，第一阶时域核h1τ表示的线性响应，与输入信号u在时间滞后τ。y其中，N，M和ek分别表示内存的长度和截断误差的非线性系统的最高值。如果适当的值被选择为N和M的，则e然后，我们可以看到（1）的第一项的线性卷积积分。长期弱非线性仅仅意味着一个系统的Volterra系列的前两个或三个方面得到很好的体现。在这种情况下，条件是所有的高次看到迅速趋于零，并且因此，可以忽略不计的系统表示。对于实际的非线性系统，第n阶的内核是对称的[4]。所以输出二阶和三阶Volterra级数输出可以表示如下：y与IJ图2(a),(c),(e)表示的实际输出和模拟输出的识别信号之间的比较。图2(b)和(d)和(f)得到相应的错误。的实际输出和模拟输出的测试信号之间的比较显示在图3(a)。图3(b)是对应的曲线拟合误差。GA迭代后，平均误差平方和的鉴定和测试的实际输出和模拟输出之间实现：εidentify=8.46×10基于Volterra级数的转子-轴承系统的故障诊断经过多年的发展，有很多成熟的转子故障诊断方法。他们中的大多数是基于振动信号处理。然而，在这本文中Volterra级数的转子-轴承系统故障诊断，是以系统的模型为基础。通过调查过程中的振动信号的变化GIRF转子运行阶段，我们可以区分的转子系统的条件。实验试验台的框图，是在图4中显示。在转子的运转速度为4000rpm时，第一临界转速为2100RPM。七涡电流传感器被安装在每个转子的部分进行数据采集。以振动信号12000Hz的采样速率进行数字化。Volterra级数的理论，置为1x和2y'的振动信号被选择作为系统的输入，而'5x和6y'的信号作为输出信号。系统建模中使用的参数在表II中给出。在不同条件下的转子系统所识别的GIRF示于图5。转子摩擦振动具有很宽的频带，它可能会导致该系统的非线性振动。除了高次谐波分量之外，振动中仍存在一些低次谐波分量。作为一种非参数模型，GIRF的Volterra级数模型可以反映早期投入的影响的电流输出。第一阶内核表示的非线性特性的系统和高阶内核表示非线性特性。实验结果表明，在摩擦状态下h1，h2和h3的均方值，分别减少了51％，37％和16％。图5还表明，与然而，在我们的工作中有很多的不足。转子碰摩的振动是一个典型的故障具有很强的非线性特性。从理论上说，我们意图发现正常和摩擦的条件下的第二次和第三次的顺序内核之间的差异。虽然效果不是非常好，我们有信心在今后的研究工作做的更好。我们相信，基于系统模型的方法，将机械系统的故障诊断提供了一个新的想法。结论本文介绍了基于Volterra级数的转子-轴承系统故障诊断方法。通过系统模型GIFR的变化来确定的转子系统的工作状态。并在实验室通过实验的方法进行了验证。对Volterra级数中GIRF变化的观察，这可以被认为是对不同的转子条件判别。这作为一种新型的机械系统监控系统基于模型的方法，将得到更广泛的应用。参考文献M.Schetzen,TheVolterraandWienerTheoriesofNonlinearSystems,Melbourne,Krieger,2006.J.WrayandG.G.R.Green,“CalculationoftheVolterrakernelsofnonlineardynamicsystemsusinganartificialneuronalnetwork”,BiologicalCybernetics,vol.71,no.3,pp.187-195,August1994.C.Evans,D.Rees,L.JonesandM.Weiss,“PeriodicsignalsformeasuringnonlinearVolterrakernels”,IEEETransactionsonInstrumentationandMeasurement,vol.45,no.2,pp.362-371,April1996.S.W.NamandE.J.Power,“Applicationofhigherorderspectralanalysistocubicallynonlinearsystemidentification”,IEEETransactionsonSignalProcessing,vol.42,no.7,pp.1746-1765,July1994.A.S.NissinenandH.Koivisto,“IdentificationofmultivariateVolterraseriesusinggeneticalgorithms”,Proceedingsofthe2ndNordicWorkshoponGeneticAlgorithmsandtheirApplications,Vaasa,Finland,vol.4,pp.151-161,August1996.Y.Li,FaultDiagnosisTheoryBasedonNonlinearSpectralAnalysisandItsApplications,Ph.D.dissertation,Xi’an,Xi’anJiaotongUniversity,China,2001.X.Q.Tang,StudyonTheoryofNonlinearSpectralAnalysisandItsApplicationsinFaultDiagnosis,Ph.D.d