基于熵权优化的轴承故障诊断方法研究

中国民航大学学报

基于熵权优化的轴承故障诊断方法研究

瞿红春，王涛，黄远强

（中国民航大学航空工程学院，天津300300）

收稿日期:2014-06-30 修回日期:2014-09-16 出版日期:2015-10-21 发布日期:2015-11-10
作者简介:瞿红春（1971—），男，湖北荆州人，副教授，博士，研究方向为航空发动机故障诊断和维修管理.
基金资助:
国民航大学科研基金项目（05ky08m）；中央高校基本科研业务费专项（ZXH2010D019）

Bearing fault diagnosis research based on entropy optimization

QU Hong-chun,WANG Tao,HUANG Yuan-qiang

(College of Aeronautiocal Enginering,CAUC,Tianjin 300300,China)

Received:2014-06-30 Revised:2014-09-16 Online:2015-10-21 Published:2015-11-10

摘要/Abstract

摘要：

通过计算轴承信号特征故障频率与轴承故障样本特征频率的灰色关联度快速检测出轴承的故障类型。这种将灰色关联理论与信号分析方法结合的诊断方式可快速诊断出旋转机械系统中轴承的故障类型并进一步将故障部位进行隔离。灰色关联方法的应用使得诊断系统一方面可以对简单单一部位轴承故障进行诊断，另一方面对由2 种以上失效形式产生的故障也能进行诊断。由于采用熵权优化使得灰色关联排序有更大的区分度，诊断正确率更高。

关键词: 航空发动机, 轴承故障诊断, 灰色关联分析, 熵权优化, 旋转机械

Abstract:

The fault type of bearing can be detected quickly through grey relevance computed by the characteristic frequency of signal and standard fault modes. The bearing fault mode can be confirmed and the faulty parts of rotating machinery can be isolated with the combination of grey relation theory and signal analysis. Furthermore,the application of grey incidence analysis in the diagnostic system makes it easier to detect the fault mode generated by two or more failure forms. The detection accuracy is higher due to the bigger discrimination of grey relation ranks with entropy optimization.

Key words: aero engine, bearing fault diagnosis, grey incidence analysis, entropy optimization, rotating machinery

中图分类号:

瞿红春，王涛，黄远强. 基于熵权优化的轴承故障诊断方法研究[J]. 中国民航大学学报.

QU Hong-chun,WANG Tao,HUANG Yuan-qiang. Bearing fault diagnosis research based on entropy optimization[J]. .

参考文献

[1] 韩捷，张瑞林. 旋转机械故障机理及诊断技术[M]. 北京：机械工业出版社，1996.

[2] 刘永泉，王德友，洪杰，等.航空发动机整机振动控制技术分析[J].航空发动机，2013，39（5）：1-8.

[3] 鞠萍华.旋转机械早期故障特征提取的时频分析方法研究[D].重庆：重庆大学，2010.

[4] YANG S，LI X，LIANG M. Bearing Fault Detection and Diagnosis of a Wind Turbine[C]//Proceedings of 2011 International Conference on Consumer Electronics，Communications and Networks，2011：123-126.

[5] SEGLAM，WANG S，WANGF. Bearing Fault Diagnosis with an Improved High Frequency Resonance Technique[C]//Proceedings of 10th IEEE International Conference on Industrial Information. 2012：580-585.

[6] 扶名福，谢明祥，饶泓，等.基于综合关联度分析的风机故障诊断[J].中国机械工程，2007，18（20）：2403-2405.

[7] 东亚斌，张小龙. 灰色关联度分辨系数的确定及其在机械故障诊断中的应用[J]. 装备制造技术，2008（3）：121-122.

[8] 东亚斌，张小龙. 基于改进灰色关联度分析的机械故障诊断[J]. 煤矿机械，2009，30（2）：218-220.

[9] 王正新，党耀国，曹明霞. 基于灰熵优化的加权灰色关联度[J]. 系统工程与电子技术，2010，32（4）：774-776.

[10] 李硕，赵峰.基于熵权优化加权灰色关联度的变压器故障诊断方法[J].变压器，2013，50（9）：48-51.

[11] SORNMUANG S，SUWATTHIKUL J. Detection of a Motor Bearing Shield Fault Using Neural Networks[C]//Proceedings of SICE Annual Conference，2011：1260-1264.

[12] 廖明夫，马振国，刘永泉，等. 航空发动机中介轴承的故障特征与诊断方法[J].航空动力学报，2013，28（12）：2752-2758.

[13] 张宏涛，王仲生.基于小波包能量熵的航空发动机突发故障诊断[J].测控技术，2013，32（10）：29-32.

[1]	岳仁田, 张婉蓉. 基于扎根理论-灰色关联分析的民航不正常事件致因分析[J]. 中国民航大学学报, 2026, 44(2): 26-31.
[2]	董科强 a, b, 刘敬娜 b. 基于顺序熵的时间序列复杂性分析[J]. 中国民航大学学报, 2026, 44(1): 91-96.
[3]	张莹, 王泽华, 梁帅, 罗睿敏, 王旭. T 型件激光熔覆的数值模拟 [J]. 中国民航大学学报, 2025, 43(4): 29-35.
[4]	何振鹏, 赵福星, 辛佳, 黎柏春, 葛畅, 刘鸿宇, 刘泉. 基于混合现实的航空发动机辅助维修学习系统 [J]. 中国民航大学学报, 2025, 43(4): 43-49.
[5]	黄帅, 高明, 黄敏, 高晨竣, 关雪飞. 航空发动机涡轮盘定寿及可靠性评估方法综述[J]. 中国民航大学学报, 2024, 42(4): 1-16.
[6]	曹惠玲, 成宝荣. 基于SelBagging算法的CFM56-7B发动机故障诊断[J]. 中国民航大学学报, 2022, 40(6): 18-23.
[7]	王志国. 航空发动机典型弯管的模态分析[J]. 中国民航大学学报, 2022, 40(6): 24-31.
[8]	李国栋, 张金金. 中国航空物流与外商投资水平耦合评价研究[J]. 中国民航大学学报, 2022, 40(5): 45-50.
[9]	吴晶峰, 陈义成, 王伟 . 航空发动机需求变更模型研究 [J]. 中国民航大学学报, 2021, 39(5): 55-60.
[10]	田静, 胡鹤翔. 基于 GA-LSSVM 的航空发动机气路故障诊断 [J]. 中国民航大学学报, 2021, 39(3): 29-33.
[11]	白杰 , 陈岩康 , 傅文广 , 孙鹏. 吞雨对航空发动机风扇气动性能的影响[J]. 中国民航大学学报, 2021, 39(3): 49-55.
[12]	杨坤, 孙晓楠. 航空发动机压力传感器故障影响仿真分析[J]. 中国民航大学学报, 2020, 38(5): 17-22.
[13]	曹惠玲, 郑里鹫. 基于LMI 的小型涡扇发动机非线性稳态控制[J]. 中国民航大学学报, 2020, 38(3): 12-17.
[14]	白杰, 熊碰, 史磊. 航空发动机风扇转叶弯掠优化及气动特性分析[J]. 中国民航大学学报, 2020, 38(2): 7-12.
[15]	曹惠玲, 梁佳旺. 基于相似时间序列的航空发动机剩余寿命预测[J]. 中国民航大学学报, 2020, 38(2): 13-17.