Chang Yu-école, ROQUETTES, Ann Pradesh
(École de génie mécanique, Université du Nord, Taiyuan 030051, Chine)
Réponse non-linéaire, les caractéristiques de l'impact et des signaux transitoires pour les vibrations de la machine automatique, la polymérisation est proposée sur la base de la décomposition du mode empirique (méthode EEMD) et un procédé de diagnostic de défaut automatique matrice de liaison de fractale. Tout d'abord, les signaux recueillis de diverses conditions automate procédé décomposition EEMD être décomposés par composante du signal de calcul de la dimension généralisée obtenue en décomposant les fonctions du mode intrinsèque (FMI), la condition généralisée pour chaque dimension matrice fractale, trouvée dans différentes conditions matrices fractales sont tout à fait différentes. Pour être calculée par le coefficient de corrélation entre le signal de détection et les échantillons du signal, en utilisant un graphique de ligne visuelle par rapport au signal de déterminer le type de défaut à détecter. Il a montré que peut être appliqué efficacement la méthode dans le diagnostic de défaut automatique.
Polymérisation de mode empirique; matrice fractale; automate; dépannage
CLC: TN06; TP273
Code de document: A
DOI: 10,16157 / j.issn.0258-7998.2017.04.026
format de citation chinois: Zhang Science, roquettes, Pong. Un procédé basé sur le diagnostic automatique défaut EEMD matrice Fractal Technologie électronique, 2017,43 (4): 98-101,106.
Anglais format de citation: Zhang Yuxue, Pan Hongxia, An Bang. Diagnostic de défaut Automaton basé sur EEMD et de la matrice théorie fractale .Application Technique électronique, 2017,43 (4): 98-101,106.
0 introduction
machine automatique à grande vitesse sont les principaux composants de petite artillerie de gros calibre , qui devient structure plus élaborée et complexe. Automate est un système dynamique complexe, qui met en uvre le transfert d'énergie cinétique et de l'énergie stockée dans un procédé de combustion en poudre . Lors du tir à balles réelles, en plus d'un fort bruit extérieur, mais aussi entre les différents automates mécanisme de collision, un signal de vibration produit par la surface de collision aura une incidence sur l'automate interférence mutuelle, ce qui en fait actuellement les méthodes de diagnostic de défaut disponible difficile à détecter.
EEMD algorithme est l'algorithme non sur la base de la décomposition du mode empirique (EMD) sur, car le mode de résolution mélange un effet significatif, il a été mis en avant favorisée par de nombreux chercheurs, et est largement appliquée à divers domaines en . signal de défaut EEMD est ajouté à la collection de bruit blanc, une séparation claire des échelles de temps respectives efficacement le manque de EMD modale due à l'aliasing phénomène.
Théorie fractale Méthodes de diagnostic des défauts des recherches à chaud ces dernières années, qui est fonction de la capacité de faute quantifie l'ensemble de la partie, lorsque fractale de diagnostic d'échec extrait généralement les paramètres de fonction en calculant la dimension fractale . Application de la matrice de quantification fractale fractale de détermination de procédé caractéristiques signal extrait du défaut, de sorte qu'une analyse plus poussée des conditions de fonctionnement de la machine automatique.
Cet article propose une méthode EEMD et fractale matrice liée appliquée au diagnostic de défaut automatique qui, à savoir le signal de vibration de la machine automatique au moyen de signaux de composants de décomposition EEMD, calcule la grande dimension; signal de sélection de composante de coefficient de corrélation de dimension généralisée méthode de jugement, et ensuite construire matrice échantillon; coefficient de corrélation entre la matrice de signal et l'échantillon devant être détecté par la méthode de calcul de matrice de corrélation est déterminée, et enfin à déterminer le mode de défaillance en comparant la taille du coefficient de corrélation. Les résultats diagnostiques montrent que notre méthode permet de distinguer efficacement défaut.
1 EEMD algorithme
Etant donné que la composante de signal décomposé FMI EMD est souvent accompagnée par le mode phénomène de mélange, de sorte que ce mode empirique papier polymérisation de décomposition, le signal auxiliaire ajouté séquence de bruit blanc dans le signal de test, une pluralité de fois après que le composant FMI décomposé moyenne globale pour compenser la séquence de bruit blanc ajouté pour réduire le mode d'impact phénomène de mélange causé. EEMD divisé en trois étapes de l'algorithme de base suivantes :
(1) dans le signal de vibration d'origine x (t) est ajouté, avec une moyenne nulle fois l'amplitude, l'écart type est une constante de bruit blanc gaussien ni (t), à savoir:
Où: ni (t) est le i-ième signal de bruit blanc ajouté.
(2) xi (t), respectivement le détachement, le composant FMI cij (t) obtenu avec un ri de reste (t). Dans lequel cij (t) après l'addition de bruit blanc, obtenu par décomposition de la j-ième composante du i-ème FMI.
(3) une étape de recyclage (1) et l'étape (2) pour chaque N fois, en utilisant les principes de la séquence aléatoire de moyenne nulle décorrélées statistique correspondant aux composants décrits ci-dessus de l'opération moyenne globale, après addition répétée de bruit blanc est enlevé, le vrai FMI l'impact du FMI a finalement obtenu après EEMD divisé en:
2 théorie fractale
2.1 Dimension Généralisée
dimension fractale généralisée Dq pour représenter multiple dimension fractale de la fractale, est calculée en utilisant la méthode de recouvrement de la multi-fractale. Dans les applications pratiques, le plus souvent à la place de la fréquence de probabilité:
Dans la formule: dénominateur de tous les points sur le cube couvert, DI i-ème nombre de points couverts par l'hypercube, N est le nombre total de super-cube.
Couvrant procédé utilisant la même échelle de taille en tant que couverture hypercube l'objet entier, le nombre total requis de cubes est N. Supposons que le i-ième cube tombe probabilité pi (l), si le paramètre donné q, l'entropie de l'information généralisée:
2.2 Construction de la matrice fractale
Un signal dimension généralisée décomposition matrice fractale composée du vecteur colonne représente une dimension fractale généralisée sous la même mesure, le vecteur de ligne représente une dimension généralisée d'un signal de composante, de sorte que se réalise la fractale de matrice étendue multifractal, il doit être détecté état de l'équipement sur la structure en trois dimensions ayant une .
S'il y a n condition de défaut automate, le total de n + 1 états, chaque état de l'automate d'acquisition de signal de vibration calcule les conditions respectives de la dimension fractale et de la matrice généralisée. Fractal j ème état de la matrice, un signal est m × n de l'ordre Ej, que cette condition de la matrice de l'échantillon, où m représente le nombre de signaux décomposés FMI. Deux matrice de coefficients de corrélation fractale est calculée comme suit:
La première fonction représente le signal x espèce à détecter le degré de corrélation de la j-ième état. R & lt (j, x) plus grande, ce qui indique que la première espèce à des signaux détectés x j-ième degré de corrélation est des conditions plus difficiles, à savoir semblable à la description de son état, alors que à la fois la corrélation est faible, de manière à réaliser l'identification et la classification des défauts.
Exemple 3 Le diagnostic de dysfonctionnement de l'analyse automatique
3.1 Dispositif expérimental dysfonctionnement automatique
Prendre un type de mitrailleuse machine automatique pour l'étude, en fonction de personnel de gamme d'expériences, cette expérience a utilisé une méthode de coupe-fil à décharge électrique, sont automate patte de verrouillage prévu des rainures de fissure et le bloc de prise de vue, une fissure lors de la cuisson générer un ensemble de fissures et l'échec. Selon l'analyse de la défaillance, une machine pratique du canon de liaison, l'ensemble de défaut de la manière suivante: (1) verrouillé dans la patte de verrouillage de rampe coins arrondis, muni de fentes à gorge profonde 1,5 mm dans la direction radiale, à gauche et à droite deux symétrique, dite sûr un ; (2) le déverrouillage de la languette de verrouillage dans la rotative, et il est prévu dans les rainures 1,5 mm direction de la feuille plane de blocage de fissure profonde vertical, deux symétriques gauche et droite, appelé deux défauts, (3) les côtés gauche et droit d'une fenêtre rectangulaire dans le nez arrondi deux paires d'extrémité arrière du filet, le diamètre de chaque filet le long de la coupe de ± 45 ° à 1,5 mm de profondeur, la tête ensemble, défaut appelé trois. La figure Figure 1 est une position du défaut et une, deux, trois.
gun Sélectionner boîtier côté avant (point de mesure 1) et l'extrémité supérieure de l'arme à feu (point de mesure 2) en tant que point de mesure, à sens unique arrangement acquisition du signal du capteur d'accélération piézo-électrique. système de coordonnées physiques définies comme suit: direction d'émission de balle du canon de l'axe positif X, arme à feu dans la direction Y est laissée à la direction Z de la direction verticale. L'expérience est réglé sur une fréquence d'échantillonnage 204,8 kHz.
Machine automatique d'extraction et de reconnaissance des fonctions de défaut 3.2
Automate LMS a collecté des données, normal, une panne, défaut de deux, trois, quatre types de conditions de défaut, sont soumis à EEMD la couche de décomposition 9, dans lequel le signal de condition normale de décomposition résultats présentés sur la figure 2.
Les huit premiers éléments de chaque état de signal est obtenu par décomposition de calcul de la dimension généralisée EEMD ont été prises facteur de pondération q = 0,1,2, liste de dimension généralisée comme indiqué dans les tableaux 1 à 4.
4 types de signaux d'état de la machine automatique, correspondant à différentes conditions signaux de composantes calculées corrélation de dimension généralisées entre la position de la composition de la matrice, les résultats présentés dans le tableau 5. Le coefficient de corrélation des signaux de composantes correspondantes sont additionnés, comme le montre le tableau 6.
Le procédé d'utilisation du signal de sélection de corrélation pour sélectionner, pour chaque état du signal de plus petit composant de somme d'un coefficient de corrélation, plus la capacité de distinguer, et une distribution plus uniforme des coefficients de corrélation, montre également que les grandes corrélation, la plus proche. Les deux critères, sélectionner IMF4, IMF7, trois signaux de composantes IMF8 pour construire la matrice de l'échantillon, respectivement:
Afin de vérifier la faisabilité de la méthode, quatre types de conditions sélectionnées tous les trois ensembles de données à détecter est détecté, la normale, un défaut, défaut deux, trois états de défaut correspondant aux quatre signaux à détecter, des signaux ont été décomposés par la méthode EEMD, calcul dimensions généralisées à différentes valeurs de q, sélectionner IMF4, IMF7, IMF8 trois signaux de composantes construction de matrice fractale, calcule le coefficient de corrélation entre la matrice fractal devant être détecté sous la matrice de l'échantillon et les quatre types de signaux d'état composée comme indiqué dans le tableau 7 spectacles.
Afin de juger visuellement les résultats du diagnostic, la taille est représentée par un graphique linéaire du coefficient de corrélation, quatre différents représentent chacun une corrélation linéaire entre le signal à détecter avec quatre matrices d'échantillons, les résultats montrés sur la figure 3.
En comparant l'amplitude de coefficient de corrélation de la figure en fonction des conditions de fonctionnement du signal à détecter, la matrice de l'échantillon pour E1, 1,5,9 leur signal à plus grand coefficient de corrélation détectée, avec la condition que l'échantillon E1 est la même matrice, un état normal; de même le signal 2,6,7,10 doivent être détecté un état de défaut, un signal de défaut à détecter 3,11 deuxième état, un signal de défaut à détecter est un à trois états 4,8,12. Avec cette méthode par rapport aux faits établis dans le signal à détecter 12, 11 sont déterminées avec précision, de déterminer la précision est de 92%.
4 Conclusion
matrice fractale comme la caractéristique d'article valeurs analyse de la situation mécanique automatique, la précision du résultat de la détermination de 92%. Cette étude a vérifié l'effet réel du diagnostic de panne sur la matrice de EEMD de décomposition fractale. les résultats du diagnostic montrent que les méthodes décrites ici peuvent extraire efficacement les valeurs caractéristiques et l'identification complète des défauts, résout le problème de l'automate de diagnostic.
références
Kang Li, De-RPDC. Pistolet calibre dans une conception de la machine automatique et fonctions d'analyse . Gun lancement et de contrôle, 2010 (2): 61-65.
à Kang, Li Defen, Lily Li. Les armes automatiques école (Volume mécanique institutionnelle) . Pékin: Industrie de la Défense nationale, 1994.
H Z WU, le mode empirique HUANG N E.Ensemble decom positions: une méthode d'analyse de données assistée du bruit .Advances dans l'analyse des données Adaptive, 20091 (1): 1-41.
Junhui, Jia Rong, Tan sang-froid. Diagnostic de défaut Gearbox Les éoliennes EEMD Fuzzy C-means et . Solar Technology, 2015,36 (2): 319-324.
Xiaojuan, voiture Xiaolei, détection de bruit de tir étude Wu Jie. Méthode Nanodevice Technologie électronique, 2016,42 (9): 32-35.
Shibo Jiang, Shen Yanhua méthode fractale de diagnostic de panne mécanique - Théorie et pratique . Pékin: Industrie métallurgique Press, 2001.
Lei Yaguo, il Zhengjia, Zi Yanyang.Application du procédé EEMD de diagnostic de panne de rotor des machines tournantes .Mechanical Systems and Signal Processing, 2009 (23): 1327-1338.
Li Zhaofei, Cai Yi, Li Huafeng. Caractéristiques vibration multiple fractale d'extraction de signal d'erreur acquisition et traitement des données, 2013,28 (1): 237-243.
HAO DE RECHERCHE. Fractal Analyse et diagnostic des défauts dans les caractéristiques de la dimension fractale Tianjin: Tianjin University, 2012.
