[發(fā)明專利]一種用于采集和提取低速重載設(shè)備故障特征信息的方法

有效

• 申請?zhí)枺?/td>: 201410133342.0
• 申請日: 2014-04-03
• 公開（公告）號(hào): CN103926097B
• 公開（公告）日: 2017-01-18
• 發(fā)明（設(shè)計(jì)）人: 徐海;朱立歡;高立新;崔杰
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G01M99/00
• 分類號(hào): G01M99/00;G01H17/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司11203
• 代理人: 沈波

1.一種采集和提取低速重載設(shè)備故障特征信息的方法，其特征在于：該方法包括以下步驟，

（1）將聲發(fā)射傳感器安裝在設(shè)備需要檢測的位置，通過與傳感器相連接的聲發(fā)射數(shù)據(jù)采集儀采集設(shè)備在工作狀態(tài)下的聲發(fā)射信號(hào)；

（2）應(yīng)用非線性冗余提升小波對(duì)步驟（1）采集到的聲發(fā)射信號(hào)預(yù)處理；非線性冗余提升小波的步驟

1）根據(jù)插值細(xì)分方法獲得各層的初始預(yù)測系數(shù)和更新系數(shù)，再引入'atrous算法對(duì)初始系數(shù)進(jìn)行插值補(bǔ)零運(yùn)算，即對(duì)于第j層分解，在初始預(yù)測系數(shù)和更新系數(shù)之間插入2^j-1個(gè)零值，以得到該層的預(yù)測系數(shù)和更新系數(shù)；結(jié)合尺度函數(shù)和小波函數(shù)的頻率特性，選取多組具有不同長度的預(yù)測算子和更新算子并且令以此得到小波函數(shù)；應(yīng)用小波函數(shù)對(duì)信號(hào)進(jìn)行小波包分解并對(duì)分解得到的系數(shù)歸一化處理并求取lp范數(shù)，其計(jì)算公式如下

||xj,n||p=(Σk|xj,n,k/Σkxj,n,k|p)1/p,]]>??p≤1;n＝1,2,…2^j

式中，x_j,n,k第j層的第n個(gè)小波包系數(shù)中的第k個(gè)元素；

分別比較小波包系數(shù)的歸一化l^p范數(shù)，取范數(shù)最小時(shí)對(duì)應(yīng)的預(yù)測算子和更新算子為節(jié)點(diǎn)的最優(yōu)算子；

2)對(duì)步驟1）分解得到的各個(gè)節(jié)點(diǎn)求取歸一化能量，其計(jì)算公式如下

E(xj,n,k)=Σk=1lxj,n,k2/Σn=12jΣk=1lxj,n,k2]]>

式中，x_j,n,k第j層的第n個(gè)小波包系數(shù)中的第k個(gè)元素；

3）取步驟2）中小波包能量分析中能量最大的節(jié)點(diǎn)進(jìn)行非線性單支重構(gòu)，得到單支重構(gòu)信號(hào)x(t)；具體步驟：保留待重構(gòu)的節(jié)點(diǎn)信息并將其他節(jié)點(diǎn)信息全部置零；再根據(jù)小波包分解時(shí)記錄各個(gè)節(jié)點(diǎn)的分解路徑進(jìn)行逆向重構(gòu)；最后根據(jù)非線性算法，在進(jìn)行每次分解時(shí)記錄各個(gè)節(jié)點(diǎn)所選用的最優(yōu)預(yù)測算子和更新算子，根據(jù)記錄結(jié)果進(jìn)行逆向非線性重構(gòu)得到重構(gòu)信號(hào)；

（3）采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)步驟（2）得到的重構(gòu)信號(hào)x(t)進(jìn)行分解，得到n個(gè)本征模態(tài)分量；選取沖擊性和周期性明顯的本征模態(tài)分量，與步驟（1）中的原始信號(hào)組成混合信號(hào)y(t)；經(jīng)驗(yàn)?zāi)B(tài)分解的步驟：確定信號(hào)x(t)的所有極值點(diǎn)，并用三次樣條函數(shù)擬合所有的極大值和極小值點(diǎn)，獲得x(t)上、下包絡(luò)線并計(jì)算出它們的平均曲線m(t)；用x(t)減去m(t)得到新的信號(hào)序列h(t)，重復(fù)上次多次直到滿足條件得到第一個(gè)本征模態(tài)函數(shù)c₁(t)；原信號(hào)減去c₁(t)得到第一階剩余信號(hào)r₁(t)作為新的原信號(hào)重復(fù)上述過程得到n個(gè)本征模態(tài)分量，此時(shí)得到

x(t)=Σi=1nci+rn]]>

式中，c_i為本征模態(tài)函數(shù)，r_n為殘余函數(shù)；

（4）將步驟（3）得到的混合信號(hào)y(t)作為快速獨(dú)立分量分析的輸入數(shù)據(jù)，該算法是采用牛頓迭代算法對(duì)混合信號(hào)的大量采樣點(diǎn)進(jìn)行批處理，每次分離出一個(gè)獨(dú)立分量，從而得出計(jì)算后的分量即獨(dú)立信號(hào)；

（5）對(duì)步驟（4）的獨(dú)立信號(hào)作快速傅立葉變換，得到頻譜圖，通過觀察頻譜圖提取出有用的信息。

2.根據(jù)權(quán)利要求1所述的一種采集和提取低速重載設(shè)備故障特征信息的方法，其特征在于：

（1）將聲發(fā)射傳感器安裝在軸承座上，通過與聲發(fā)射傳感器相連接的聲發(fā)射數(shù)據(jù)采集儀采集設(shè)備在工作狀態(tài)下的聲發(fā)射信號(hào)；

（2）應(yīng)用非線性冗余提升小波對(duì)步驟（1）采集到的聲發(fā)射信號(hào)進(jìn)行預(yù)處理，非線性冗余提升小波的步驟，

1）根據(jù)插值細(xì)分方法獲得各層的初始預(yù)測系數(shù)和更新系數(shù)，再引入算法對(duì)初始系數(shù)進(jìn)行插值補(bǔ)零運(yùn)算，即對(duì)于第j層分解，在初始預(yù)測系數(shù)和更新系數(shù)之間插入2^j-1個(gè)零值，以得到該層的預(yù)測系數(shù)和更新系數(shù)；結(jié)合尺度函數(shù)和小波函數(shù)的頻率特性，選取N＝4,12,20和分別作為預(yù)測算子和更新算子的長度，以此組合一共得到(4,4)、(12,4)、(12,12)、(20,4)、(20,12)和(20,20)六種小波函數(shù)；應(yīng)用這六種小波函數(shù)對(duì)聲發(fā)射信號(hào)進(jìn)行小波包分解并對(duì)分解得到的六組小波包系數(shù)歸一化處理并求取l^p范數(shù)，p的取值為0.1，取范數(shù)最小時(shí)對(duì)應(yīng)的預(yù)測算子和更新算子為節(jié)點(diǎn)的最優(yōu)算子；

2）對(duì)步驟1）分解得到的各個(gè)節(jié)點(diǎn)求取歸一化小波包能量,并取出能量最大的節(jié)點(diǎn)；

3）保留步驟2）中小波包能量分析中能量最大的節(jié)點(diǎn)信息并將其他節(jié)點(diǎn)信息全部置零；再根據(jù)小波包分解時(shí)記錄各個(gè)節(jié)點(diǎn)的分解路徑進(jìn)行逆向重構(gòu)；最后根據(jù)非線性算法，在進(jìn)行每次分解時(shí)記錄各個(gè)節(jié)點(diǎn)所選用的最優(yōu)預(yù)測算子和更新算子，根據(jù)記錄結(jié)果進(jìn)行逆向非線性重構(gòu)得到重構(gòu)信號(hào)x(t)；

（3）采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)步驟（2）得到的重構(gòu)信號(hào)進(jìn)行分解，得到n個(gè)本征模態(tài)分量；選取其中沖擊性和周期性明顯的本征模態(tài)分量，與步驟（1）中的原始信號(hào)重新組成混合信號(hào)；

（4）將步驟（3）得到的混合信號(hào)作為快速獨(dú)立分量分析的輸入數(shù)據(jù)，得到獨(dú)立分量分析計(jì)算后的分量，即分離出獨(dú)立信號(hào)，圖8所示為獨(dú)立分量分析計(jì)算后的分量圖；

（5）對(duì)步驟（4）的獨(dú)立信號(hào)分別作快速傅立葉變換，得到頻譜圖，通過觀察頻譜圖提取出有用的信息；從圖中可以看到259.4Hz的基頻以及其倍頻，從而提取出故障信息判斷出故障隱患部件，實(shí)現(xiàn)設(shè)備故障的早期診斷。