[发明专利]基于模糊熵的化工设备故障诊断方法

权利要求书

1.基于模糊熵的化工设备故障诊断方法，其特征在于，包括如下步骤：

S1：采样化工设备的压缩机在健康状态及故障状态的振动信号；

S2：利用单调三次Hermite插值改进局部均值分解法对压缩机各振动信号进行分解，得到各振动信号的PF分量；

S3：计算每种状态下各个振动信号与PF分量的相关性系数，并根据所述相关性系数在每个振动信号中均选择出能反映主要故障状态信息的PF分量，其中，状态k下第j个振动信号与PF_i分量的相关性系数利用公式(1)计算：

式中：PF_i(j)表示状态k下第j个振动信号的PF_i分量，表示状态k下所有振动信号的PF_i分量的平均值，i＝1,2,…,N，N为状态k下分解得到的PF分量的个数，y表示状态k下原始采样的振动信号，j表示状态k下原始采样的振动信号的个数，j＝1,2,…,n，n为状态k下采样的振动信号的个数；

S4：对选取得到的每一个PF分量计算其在不同尺度因子下的模糊熵值并形成各振动信号的特征矩阵；

S5：根据公式(2)，利用欧式距离d对各振动信号的特征矩阵进行优选，选定距离最大的尺度因子下的各分量的模糊熵值作为各振动信号的特征向量；

式中：m为选取得到的PF分量的个数，n为每种状态下采样的振动信号的个数，PF_i(j)表示健康状态下第j个振动信号的PF_i分量，pf_i(j)表示故障状态下第j个振动信号的PF_i分量；

S6：将S5中获得的各振动信号的特征向量作为样本输入支持向量机进行分类识别，实现各故障类型的诊断。

2.按照权利要求1所述的基于模糊熵的化工设备故障诊断方法，其特征在于：S3中，取各振动信号筛选出的PF分量数目的平均值作为最终选取的PF分量数目。