基于双谱熵模型的故障模式识别

2012-02-22黄晋英潘宏侠毕世华崔宝珍

兵工学报 2012年6期

黄晋英，潘宏侠，毕世华，崔宝珍

(1.中北大学机械工程与自动化学院，山西太原030051;2.北京理工大学宇航学院，北京100081)

近年来，信息熵作为故障模式识别的特征参量越来越得到工程界的重视［1］。信号的信息熵［2］是指信号中所含的平均信息量，随着先验概率的增加而减少，但却随着后验概率的增加而增加，反映了信号中所含信息的复杂程度。齿轮箱的振动信号在结构特性一定时，其信息熵维持在一定水平，当结构发生故障时，测试信号所含信息的复杂程度发生变化，其信息熵也发生变化，不同故障模式下，信息熵的值不同，采用信息熵可以实现对设备运行状态特征的描述和评价，区分故障。研究者将信息熵思想和不同信号分析方法相结合，建立了多种信息熵特征指标用于工程信号分析和系统状态监测与故障诊断［3］，如功率谱熵、小波能量谱熵［4］、奇异谱熵［5］、希尔伯特－黄变换熵［6］、EMD 时频熵［7］、关联距离熵、renyi 熵［8］等。本文提出的双谱熵模型，是在双谱域内建立的信息熵特征参量。

在研究信息熵理论的基础上，建立了振动信号的双谱熵模型，并针对实验室齿轮箱的4 种典型故障状态，对其振动信号进行了双谱分析，计算了双谱熵特征参量，建立BP 神经网络模型进行了故障模式识别，识别结果表明，利用双谱熵特征参量进行故障模式识别，在测点数量少的情况下能获得较高的诊断精度。