[发明专利]一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法

摘要

本发明公开了一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法，包括数据采集、信号分解、选取分量、模型建立、建立向量矩阵、奇异值计算、数据选取、代入检测和故障诊断，本发明结构科学合理，使用安全方便，本发明在对转子故障进行检测时，通过变分模态分解将转子振动信号分解为一系列固有模态函数分量，建立出二阶Volterra自适应预测模型，并获取模型参数向量，通过获取的模型参数向量，建立初始特征向量矩阵，随后对奇异值进行归一化处理，得出奇异值熵，构建奇异值特征向量公式，随后通过模糊C均值聚类算法将取出的部分样本数据进行计算，得出数据并进行记录，最后根据计算出的数据，得出转子故障原因。

主权项

1.一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法，其特征在于，包括如下步骤：S1、数据采集：对转子出现故障时的振动信号进行采集，并记录；S2、信号分解：将采集到的转子振动信号通过变分模态分解，得到一系列固有模态函数分量；S3、选取分量：根据相应选取准则，从步骤S2中的固有模态函数分量中，选取一系列的敏感固有模态函数分量；S4、模型建立：根据所得数据建立二阶Volterra自适应预测模型，并获取相应参数；S5、建立向量矩阵：根据步骤S4所得参数，建立初始特征向量矩阵；S6、奇异值计算：计算初始特征向量矩阵的奇异值，并根据计算出的数据构建奇异值特征向量；S7、数据选取：选取步骤S6中奇异值特征向量的一部分作为标准样本；S8、代入检测：根据步骤S7中选取的样本数据，通过模糊C均值聚类算法进行计算；S9、故障诊断：根据步骤S8中模糊C均值聚类算法计算出的结果，分析出转子故障原因。