[發(fā)明專利]一種機(jī)械振動故障特征時域盲提取方法

有效

• 申請?zhí)枺?/td>: 201410448210.7
• 申請日: 2014-09-04
• 公開（公告）號: CN104198187B
• 公開（公告）日: 2017-04-12
• 發(fā)明（設(shè)計）人: 伍星;劉鳳;潘楠;周俊;劉暢;柳小勤;傘紅軍;賀瑋
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G01M13/04
• 分類號: G01M13/04;G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種機(jī)械振動故障特征時域盲提取方法，其特征在于：所述機(jī)械振動故障特征時域盲提取方法的具體步驟如下：

Step1、初始化時延參數(shù)L、主分量數(shù)目n_pc、聚類數(shù)目n_cluster；

Step2、中心化處理由加速度傳感器所接收到的振動觀測信號x(t)得到信號x(t)，通過補(bǔ)零張成高維子空間信號x'(t)，對高維子空間信號x'(t)進(jìn)行PCA主分量分析得到低維信號x(t)_pc；

Step3、對步驟Step2中得到的低維信號x(t)_pc執(zhí)行FastICA獨立分量分析算法，得到獨立分量ic(t)，計算獨立分量ic(t)的歸一化峭度kurt_ic并求出kurt_ic中最小值對應(yīng)的分量信號c(t)，即最小歸一化峭度值對應(yīng)分量信號c(t)；

Step4、根據(jù)步驟Step3中得到的最小歸一化峭度值對應(yīng)分量信號c(t)，利用正交匹配追蹤OMP算法重構(gòu)出周期信號p(t)，將獨立分量ic(t)減去重構(gòu)信號p(t)得到剔除周期信號的獨立分量信號ic(t)'；

Step5、再利用改進(jìn)的KL距離算法計算獨立分量信號ic(t)'各分量間的距離，獲取距離矩陣D，對D進(jìn)行動態(tài)粒子群聚類，重構(gòu)聚類分量獲得估計源信號y(t)；

Step6、對估計的源信號y(t)進(jìn)行包絡(luò)譜分析，最終實現(xiàn)故障診斷。

2.根據(jù)權(quán)利要求1所述的機(jī)械振動故障特征時域盲提取方法，其特征在于：所述步驟Step4中所述的利用正交匹配追蹤OMP算法重構(gòu)出周期信號p(t)的具體步驟如下：

Step4.1、初始化迭代次數(shù)i、增量矩陣Μ、殘差c(t)、機(jī)生成高斯測量矩陣Φ；

Step4.2、正交變換基為單位矩陣的傅里葉變換形成的矩陣Ψ；

Step4.3、根據(jù)步驟Step4.1和步驟Step4.2得到的矩陣計算恢復(fù)矩陣Θ＝Φ×Ψ；

Step4.4、再計算恢復(fù)矩陣Θ與殘差c(t)的投影系數(shù)；根據(jù)最大投影系數(shù)對應(yīng)的位置來擴(kuò)充增量矩陣Μ；

Step4.5、對Μ進(jìn)行最小二乘法使得殘差最小并更新殘差c；

Step4.6、判斷是否達(dá)到迭代次數(shù)i，如果沒有達(dá)到迭代次數(shù)i，轉(zhuǎn)到步驟Step4.4；如果達(dá)到迭代次數(shù)i，轉(zhuǎn)到步驟Step4.7；

Step4.7、根據(jù)最大投影系數(shù)位置，重構(gòu)頻域向量，然后進(jìn)行傅里葉逆變換得到重構(gòu)的時域周期信號p(t)。

3.根據(jù)權(quán)利要求1所述的機(jī)械振動故障特征時域盲提取方法，其特征在于：所述步驟Step5中，所述的利用改進(jìn)的KL距離算法計算獨立分量信號ic(t)'各分量間的距離，獲取距離矩陣D的具體步驟為：

Step5.1、將已剔除周期信號的獨立分量ic(t)'轉(zhuǎn)換為一維數(shù)組，并求出數(shù)組的長度l，計算一維數(shù)組中的各元素y(i)及其出現(xiàn)的概率q(i)，并求所有元素y(i)的平方和為Q，其中i＝1,2,…,l；

Step5.2、將y(i)、q(i)和Q代入公式求出概率密度函數(shù)p(i)，其中i＝1,2,…,l；

Step5.3、將概率密度函數(shù)p(i)代入KL距離算法公式：

獲得距離矩陣D，其中i＝1,2,…,l；j＝1,2,…,l。