汪　亮，王红军,b

(北京信息科技大学 a.机电工程学院；b.现代测控技术教育部重点实验室，北京 100192)



基于多域熵与FCM聚类的故障诊断模型*

汪亮a，王红军a,b

(北京信息科技大学 a.机电工程学院；b.现代测控技术教育部重点实验室，北京 100192)

针对传统故障诊断中，特征的有效提取依赖于降噪的效果，提出一种基于多域熵与模糊C均值聚类的故障诊断模型。采集设备运行过程中的振动信号，分别计算其小波包能量熵、功率谱熵和近似熵，其反映了振动信息在小波域、频域以及时域内的复杂程度。将其作为设备运行特征向量，通过模糊C均值聚类对设备状态进行识别。利用轴承故障实验和转子故障实验验证基于多域熵与FCM聚类的故障诊断模型，结果表明该方法地对故障类别以及故障程度的识别分类具有良好的效果。

多域熵；FCM聚类；故障诊断

0　引言

故障诊断是保障机械设备正常运行的关键技术之一[1]。传统故障诊断技术依赖于对振动信号在时频域的特征提取，常采用的特征包括：峰峰值、有效值、峭度等。但是由于机械振动信号通常是非线性、非平稳的且受到大量噪声干扰，因此传统信号特征提取方法具有一定的局限性。

信息熵是描述系统状态不确定性的一种方法，近年来逐渐应用在故障诊断当中[2]。艾延延等[3]将功率谱熵距应用在设备状态评估当中，有效地识别了转子的各种状态。王书涛等[4]将EEMD与样本熵集合，提取设备故障特征，有效地对轴承故障进行识别。……