[發(fā)明專利]一種基于振動(dòng)信號(hào)的時(shí)頻域聯(lián)合故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010536722.4
• 申請(qǐng)日: 2020-06-12
• 公開（公告）號(hào): CN111783559A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 李曉;張竹青;張玉華;孟華;田彥彥
• 申請(qǐng)（專利權(quán)）人: 河南伯特利知識(shí)產(chǎn)權(quán)服務(wù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G01M13/045
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于振動(dòng)信號(hào)的時(shí)頻域聯(lián)合故障診斷方法，其特征在于，包括以下步驟：

1)，基于時(shí)域上的多變量故障診斷方法：測(cè)量旋轉(zhuǎn)機(jī)械系統(tǒng)的振動(dòng)信號(hào)，并對(duì)采集得到的振動(dòng)信號(hào)進(jìn)行放大、傳輸與顯示，其得出的原始振動(dòng)信號(hào)序列組如下式：其中i表示第i組數(shù)據(jù)，L表示每組數(shù)據(jù)的長(zhǎng)度，前N組為正常數(shù)據(jù)用于診斷閾值的訓(xùn)練，余下的數(shù)據(jù)組為測(cè)試數(shù)據(jù)；

2)，將旋轉(zhuǎn)機(jī)械系統(tǒng)在一個(gè)周期內(nèi)的采樣信號(hào)表示成向量，如下式：y⁽ⁱ⁾＝[x⁽ⁱ⁾(1)，x⁽ⁱ⁾(2)，Lx⁽ⁱ⁾(r)]^T，其中r為一個(gè)周期內(nèi)的采樣點(diǎn)個(gè)數(shù)；

則將多個(gè)周期內(nèi)的采樣信號(hào)可以寫成如下矩陣形式：

其中，b＝[L/r]，i＝1,2,L,N；

令：

求取對(duì)稱矩陣E⁽ⁱ⁾的特征值，且滿足

記E⁽ⁱ⁾的特征值向量為

3)，閾值向量的確定：

記特征值矩陣為D：

令

則有

選取為閾值特征值向量，這是由前N個(gè)正常數(shù)據(jù)求得的，其中α為閾值系數(shù)，用以調(diào)節(jié)選取閾值的大??；

4)，建立在線故障判別器：

將新獲得的數(shù)據(jù)組求其形如步驟3的特征向量，

仍記：

記偏差向量：其中

5)，借助于階躍函數(shù)的思想：令

6)，得故障的判別器：

7)，基于頻域上的故障診斷方法：

記小波包算子矩陣為W∈R^r×r，對(duì)步驟2的矩陣形式進(jìn)行小波包變換，得出下式：

其中，i＝1,2,L,N，行向量是Y⁽ⁱ⁾在第s個(gè)頻帶上的投影；

8)，確定各頻程上小波閾值：

對(duì)步驟7得到的矩陣Γ⁽ⁱ⁾，第s個(gè)頻帶的信號(hào)為

將改寫為如步驟2中的矩陣形式：

將上式記為如步驟3中的特征值矩陣形式，并求其特征值：

得

則有形如步驟3中的特征值矩陣式：

記：

選取閾值向量：

其中wα_s為閾值系數(shù)，用以調(diào)節(jié)選取閾值的大??；

9)，頻帶故障判別：

當(dāng)有新數(shù)據(jù)Y⁽ⁱ⁾到來(lái)時(shí)，基于步驟7至8的過(guò)程得其特征向量，

記它與閾值向量的偏差向量為：

同步驟5中的借助于階躍函數(shù)的思想令:

如步驟6中的得故障的判別器:

2.根據(jù)權(quán)利要求1所述的一種基于振動(dòng)信號(hào)的時(shí)頻域聯(lián)合故障診斷方法，其特征在于，所述步驟2中的總的樣本點(diǎn)數(shù)L為r的整數(shù)倍，若否，則對(duì)其進(jìn)行截?cái)嗷蜓a(bǔ)位處理。

3.根據(jù)權(quán)利要求1所述的一種基于振動(dòng)信號(hào)的時(shí)頻域聯(lián)合故障診斷方法，其特征在于，所述步驟8中的總的樣本點(diǎn)數(shù)b為l的整數(shù)倍，若否，則對(duì)其進(jìn)行截?cái)嗷蜓a(bǔ)位處理。