内容发布更新时间 : 2024/5/17 14:11:34星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
旋转机械振动故障诊断的图形识别方法研究
作者：张潇
来源：《世界家苑·学术》2018年第05期
摘 要：在当前的旋转机械振动故障诊断过程中，通常情况下，工作人员利用当前的基于模糊形态学的方法进行合理的边缘检测，进而对其参数图形的边缘纹理特征进行提取，再利用现阶段的人工免疫算法对当前的图形特征进行有效的识别。基于此，作者结合自身工作经验，对当前的旋转机械振动故障诊断的图形识别方法进行有效的研究，以供相关工作人员参考。 关键词：旋转机械；振动故障；故障诊断；图形识别
引言：在当前的时代背景下，在旋转机械振动故障诊断中，利用其自身的振动信号的参数图形机型合理的监测是现阶段设备维护管理的主要方式，但在实际的应用过程中，受图形自身的性质影响，其自身的特性特征提取较为困难，进而影响其故障诊断效果，与此同时，在边缘纹理提取过程中，还受到噪声的影响，对工作带来一定的困难。 1.模糊形态学理论分析
对于当前当前的数学形态学来说，受其自身的性质影响，主要是利用当前的一定形态结构元素进行度量，进而对当前的图形中实际的形状进行合理的提取，达到最终的图形分析与识别的目的。模糊形态学理论是将当前的模糊理论进行有效的应用，将原有的图形进行模糊化，形成最终的模糊膨胀与模糊腐蚀。实际上，各像素的模糊度定义由结构定义主要是以结构元素自身对原图形的适应程度进行确定，而相对来说，模糊算子的定义不同，导致其实际的运算定义也不同。形态变化是当前一种较为普遍的软计算方法，其自身是以当前的定几何数据信息为基础，通过合理的观察测量，对其进行发现，以满足当前实际的需求[1]。 2.现阶段基于图像识别技术的旋转机械故障诊断方法
对于当前的故障诊断来说，在诊断过程中对于转子的任意一种典型故障，其在升速时产生的三维幅值谱均存在明显的差异性，与此同时，在其变化的过程中蕴含明显的规律，如，在实际的振动信号中，其自身的幅值谱可以显现出其特征，进而可以在任意的测点中进行幅值谱计算，其数据并不是数值，而是以向量的形式进行表示，在上升过程中，展现出的典型故障特征矩阵属于一个三维矩阵，其表现的形式为x--y--z的形式，在该形式中，x主要是指在任意一个测点中，任意一个转速点下的采样产生的振动波形的采样点数，二其y则是指当前的在运行的升速或者降速过程中，其振动信号自身的采样转速点个数，而其z则是指振动信号自身的采样点数。因此，在实际的故障分析过程中，工作人员为达到最终的目的，满足当前的需求，需要对当前的不同测点、不同过程中存在的振动幅值大小产生的影响进行合理的分析，结合实际情况，明确其自身的实际性质，对当前的测点幅值进行规化处理，达到原来目的。以此为基础，在对当前的转子的任意一种典型故障进行分析，促使其实际的升速过程可以构建完善的幅值
龙源期刊网 http://www.qikan.com.cn
谱，并形成合理的三维故障样本矩阵，与此同时，相同的原理可以促使其构建完善的特征矩阵，满足当前的需求。对于特征矩阵来说，受其自身的性质影响，可以将其进行转换，将其看做为合理的数字图像，基于此，在进行故障分析过程中，将现有的故障矩阵样本与特征值矩阵样本的数据进行合理的对比，通过图像匹配计算，满足实际的需求。相对来说，对于数字图像来说，其自身属于图像识别范畴，进而将当前的故障样本看作为地面数字图像的数据库，并将其待检测的故障信号看作为需要进行定位的地面数字图像，在其对比的过程中，实现故障分析，满足实际的需求。
通过上述分析可知，在进行故障诊断检验过程中，需要明确其自身的故障信号与实际的旋转机械各种典型故障之间通过对比产生的方差，并利用当前的有效计算方式求出最小方差与最小均值，从而对当前的故障进行合理的判断，以满足实际的需求。经过分析，在验证过程中，方差的大小与均值绝对值的数值大小直接可以表现出其状态，例如，其数值越小，则表明其相对应的故障与待检测的故障信号二者较为接近，由此可知，检测的信号发生其对应故障的几率较大。例如，在实际的诊断过程中，可以灵活的应用当前的模糊数学形态，对其实际的图形特征进行分析，同时以实际的实践为基础，在实验中将其原始振动信号的样本进行合理的处理，并以当前的三维参数图形为基础，将其振动参数汇集在图形中，提取其特征，进行合理的对比，并利用当上述的方法对特征进行分析，同时进行边缘纹理检测，满足实际的需求[2]。 结论：综上所述，在当前的旋转机械振动故障诊断的图形识别过程中，以当前的振动状态参数图形为基础，并结合现阶段的基于模糊的数学形态学理论，进行合理的机械故障诊断，在达到诊断的目的，提升结果的精确性。但在实际的诊断过程中，还存在一些不足之处，需要工作人员不断进行创新，为旋转机械故障检测提供新诊断方法。 参考文献
[1]刘占生，窦唯.基于旋转机械振动参数图形融合灰度共生矩阵的故障诊断方法[J].中国电机工程学报，2018（02）：88-95.
[2]韩彦广，程贵兵，焦庆丰.基于图像识别技术的旋转机械振动故障诊断方法[J].汽轮机技术，2016，56（05）：364-366
（作者单位：作者单位：上海海事大学物流工程学院机械工程系）