轴心轨迹特征提取方法
由于水轮发电机组故障的复杂性，当有多种振动故障发生时，反应其故障
信息的轴心轨迹图并不是清晰、稳定的，而是杂乱无章、不断变化的；因此，轴
心轨迹的自动识别应包括形状、进动方向和稳定性等多个方面；因此，本研究利
用PSO算法对多目标优化(MO)的特性，通过对多故障信息对应的轴心轨迹整合、
研究与优化，进而更好来定量提取其形状特征，同时，对复杂轴心轨迹的进动方
向和稳定性两个方面会做探究，希望通过此研究，能提高多故障发生时其诊断的
准确性，全面、准确、提取轴心轨迹的特征信息，然后迅速反映出故障情况！

机械设备的状态监测和故障诊断技术是门多学科的综合性技术，随着工业化
自动化程度的不断提高，随着旋转机械设备的大型化、高速化、复杂化、自动化
的发展，设备的结构越来越复杂，造价越来越高，各部分之间的联系越来越紧密，
因而旋转机械本身必须具有较高的可靠性，一旦某一个部件出现故障，不仅对部
件本身的运行有影响，而且还会产生连锁反应使生产中断，不仅会带来巨大的经
济受损，更会严重的引起灾难性的人员伤亡事故。

进行机械设备故障诊断，通常要先获取故障信号，然后对其进行相应的处
理，再运用适当的特征提取方法提取信号中所包含的故障特征向量，最后通过模
式识别方法对故障特征向量进行分类、识别和故障诊断。其中，故障特征向量提
取即是重点也是难点，特征提取方法的选取是否有效直接关系到诊断结果的可靠
性。目前，通过机械设备的振动情况进行故障诊断是行之有效的常用方法，传感
器测量得到的振动信号包含了大量的设备运行状态信息，并且一般具有非线性非
平稳特征，因此，探索振动信号处理与分析的新方法、新技术，发展新的特征提
取理论和技术就显得尤为重要。……….

旋转机械是机械设备的主要组成部分，应用的范围也越来越广泛，而水轮
发电机组作为水电站的核心设备，其工作主体是转子及其它旋转部件，因此，在
实际生产中对其可靠性的要求越来越高，以提高工业生产的安全性。近年来，随
着科学技术的不断发展，实际生产中传统的信号分析方法己经不再能满足旋转机
械故障诊断的需要，迫切需要开展新的、有效的故障诊断方法的研究；随着PSO
算法广泛应用于各种优化问题，并且已经成为优化领域中的一个有效算法，因为
其除了对普通函数优化之外，同样适用于混合整数非线性规划、噪声和动态环境、
多目标优化等；首先，将传感器测量得到的故障振动信号通过采样和量化用轴心
轨迹等二维数字图表示来表示，然后通过故障信息采用PSO算法来对轴心轨迹
进行故障特征提取！

因此，以旋转机械轴心轨迹为研究对象，探讨以PSO为处理工具，全面、
更优的提取轴心轨迹的特征信息，这无疑为轴心轨迹特征提取方法作了进一步的
完善！