基于ITD的风机叶片气动音频信号故障诊断研究

简介

风机叶片表面在出现损伤时,叶片在空气中转动过程中,产生的气动音频信号有异于叶片无损时的气动音频信号,其信号特征参数与叶片的损伤类型存在一定的关系,但风机叶片在空气中旋转产生的气动音频信号往往是非线性非稳态的,对于这种信号的特征提取存在一定困难,实验证明,正常叶片气动音频信号与故障叶片的气动音频信号的频带存在显著差别,基于此,提出一种基于ITD固有时间尺度分解的时频分析方法,先将信号自适应的按频率从高到低分解为若干PRC旋转分量,计算每一频带内的时域信号的能量,构造初始特征向量,再使用PCA对特征向量进行降维,简化计算,提高分类器识别效率,最后将降维简化后的样本特征向量输入到支持向量机进行训练识别,并从特征提取时间和识别率上与传统EMD分解作比较,结果表明,该算法降低了特征提取的计算量,减少了特征提取时间,且有更高的识别率。