[發(fā)明專利]風(fēng)電機(jī)組傳動(dòng)鏈振動(dòng)噪聲抑制及其早期故障特征提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410474693.8
• 申請(qǐng)日: 2014-09-17
• 公開（公告）號(hào): CN104198183A
• 公開（公告）日: 2014-12-10
• 發(fā)明（設(shè)計(jì)）人: 李輝;楊東;胡姚剛;李洋;楊超;劉志祥;梁媛媛;歐陽海黎;蘭涌森
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G01M13/02
• 分類號(hào): G01M13/02
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種風(fēng)電機(jī)組傳動(dòng)鏈振動(dòng)噪聲抑制及其早期故障特征提取方法，其特征在于：包括以下步驟：

1)提取故障特征頻譜向量X_j，對(duì)采集到的J組振動(dòng)原始數(shù)據(jù)，利用EMD-WPT特征頻率提取方法，提取出故障特征頻譜向量X_j(x_j1，x_j2，…，x_jn)，其中j＝1，2，…，J；n為頻譜向量維數(shù)，并初始化j＝1；

2)頻譜向量的前處理：首先判斷j值，如果j≤J，輸入信號(hào)X_j，并對(duì)頻譜向量進(jìn)行如下處理：

zpi=xji+aupi;spi=zpi/||Zp||vpi=f(spi);upi=vpi/||Vp||---(1)]]>

式中：i＝1，2，…，n；u_pi的初始值為0；a為一個(gè)正反饋系數(shù)，取為10；||.||表示向量二范數(shù)；

f(t)是一個(gè)非線性的閥值函數(shù)：

f(t)=0(0≤t≤θ)t(t≥θ)---(2)]]>

在上述處理過程中，由正反饋向量U_p(u_p1，u_p2，…，u_pn)可以得到向量Z_p(z_p1，z_p2，…，z_pn)，然后將向量Z_p進(jìn)行歸一化處理，即可得到向量S_p(s_p1，s_p2，…，s_pn)；再利用閾函數(shù)f(t)對(duì)此歸一化向量S_p進(jìn)行處理，此時(shí)小幅噪聲頻率將會(huì)被削弱；由于向量V_p滿足‖V_p‖<1，使得再次對(duì)向量V_p進(jìn)行歸一化運(yùn)算時(shí)，在V_p中保留的頻率成分將會(huì)被增強(qiáng)，得到的向量U_p又被正反饋至X_j處，進(jìn)一步增強(qiáng)了被保留的頻率成分；對(duì)閉環(huán)過程：Z_p→S_p→V_p→U_p→Z_p反復(fù)進(jìn)行迭代，直到向量U_p(u_p1,u_p2，…,u_pn)前后2次迭代的向量之差的二范數(shù)小于一個(gè)設(shè)定的微小正數(shù)ε，則向量達(dá)到穩(wěn)定，即：

||UPK+1-UPK||<ϵ---(3)]]>

式中及為向量U_p第K+1次和K次循環(huán)的迭代值；

3)建立特征頻譜向量：如果j值為1，則利用U_p經(jīng)過式(4)處理，建立特征頻譜向量F_sv(f_sv1，f_sv2…，f_svn)，否則執(zhí)行步驟4)：

zi=upi+aui;si=zi/||Z||vi=f(si)+bf(ui);ui=vi/||V||---(4)]]>

式中，向量u_i的初始值為0；a和b的值均為10；

本步驟中v_i較步驟2)中的v_pi增加了一個(gè)正反饋運(yùn)算，以增強(qiáng)保存在向量U中的特征頻率；

對(duì)循環(huán)：Z→S→V→U→Z反復(fù)執(zhí)行，最終建立特征頻譜向量，并將U向量設(shè)置為零向量；

F_SV＝U；U＝0??(5)

其中：0為零向量。令j＝j(luò)+1，返回步驟2)；

4)特征頻譜向量的提取和融合，將特征頻譜向量F_sv(f_sv1，f_sv2…，f_svn)和頻譜向量X_j通過以下過程進(jìn)行融合：

zi=upi+aui;si=zi/||Z||;vi=f(si)+bf(qi)ui=vi/||V||;pi=ui+dfsvi;qi=pi/||P||---(6)]]>

其中：u_i和q_i的初值為0；向量P_i為向量X_j與特征頻譜向量F_sv融合得到的新向量，該向量包含著不同頻譜融合后的信息；d為融合因子，表示融合程度的系數(shù)，根據(jù)經(jīng)驗(yàn)可取為0.9；

5)特征頻譜向量的更新，對(duì)特征向量F_sv(f_sv1，f_sv2，…，f_svn)進(jìn)行更新，設(shè)置中間向量為0：

F_SV＝P；U_p＝0；U＝0；Q＝0??(7)

判斷j值，如果j＝J，則說明所有的頻譜向量已經(jīng)處理完畢，此時(shí)的F_sv融合了所有頻譜向量的信息，算法結(jié)束；否則令j＝j(luò)+1返回步驟2)繼續(xù)對(duì)下一個(gè)向量X_j進(jìn)行處理。

2.根據(jù)權(quán)利要求1所述的風(fēng)電機(jī)組傳動(dòng)鏈振動(dòng)噪聲抑制及其早期故障特征提取方法，其特征在于：步驟中的特征頻率提取方法具體包括：

①經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical?Mode?Decomposition,EMD)分解：對(duì)采集的原始振動(dòng)信號(hào)S₁(t)進(jìn)行EMD分解，分離出具有不同頻率的固有模態(tài)函數(shù)(Intrinsic?Mode?Function，IMF)：c₁(t)，c₂(t)，...，c_k(t)；

②IMF選擇與重構(gòu)：選取具有能夠表征故障特征頻率的IMF：c_i(t)，c_i+1(t)，...，c_i+n(t)，累加c_i(t)，c_i+1(t)，...，c_i+n(t)，得到僅含故障信息的信號(hào)S₂(t)；

③自相關(guān)分析：對(duì)信號(hào)S₂(t)進(jìn)行自相關(guān)分析，消除噪聲，即減弱甚至是消除背景白噪聲和短時(shí)干擾噪聲的影響，得到去噪后的信號(hào)S₃(t)；

④小波包特征頻率提取：首先選擇小波函數(shù)并確定小波包分解的層數(shù)N，然后對(duì)信號(hào)S₃(t)進(jìn)行N層小波包分解，得到各層的小波系數(shù)，并根據(jù)故障特征所在頻段選擇相應(yīng)的小波包系數(shù)進(jìn)行信號(hào)重構(gòu)，最后將重構(gòu)信號(hào)進(jìn)行快速傅里葉變換(Fast?Fourier?Transformation，F(xiàn)FT)，得到重構(gòu)信號(hào)的幅值譜。