[發明專利]一種基于特征融合的發動機故障診斷方法

在審

• 申請號: 202110607282.1
• 申請日: 2021-06-01
• 公開（公告）號: CN113435255A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 張夢倩;吳亞鋒;種澤中
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01M15/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 華金

1.一種基于特征融合的發動機故障診斷方法，其特征在于，包括以下步驟：

步驟1：時域分析：使用原始數據進行各故障振動信號時域圖的繪制，分別觀察其時域特征，進行宏觀分析，并進行預處理；

步驟2：對預處理后的數據X(t)進行VMD變分模態分解，包括以下子步驟：

步驟2.1：將X(t)分解為離散的子信號，假設輸入數據被分解為k個分量，計算相應約束變分表達式：

式中，u_k，w_k分別對應分解后的模態分量和中心頻率，δ(t)為狄拉克函數，*為卷積運算符；

步驟2.2：引入Lagrange函數，進一步得到的表達式為：

式中，α為懲罰因子，目的是降低高斯噪聲的干擾，u_k(t)表示分解得到的K個IMF分量，w_k表示中心頻率，λ表示lagrange乘子；

步驟2.3：進行VMD分解，包括以下內容：

(1)初始化u_k(t)、w_k、λ，令n＝0；

(2)迭代循環n＝n+1；

(3)更新u_k(t)和w_k，直至分解個數達到K時停止循環；

(4)更新λ；

(5)給定精度ε，若滿足停止條件，則停止循環，否則返回步驟(2)繼續循環；

(6)得到IMF矩陣；

步驟3；將步驟2得到的IMF矩陣進行特征提取與特征融合包括以下子步驟：

步驟3.1：將IMF矩陣定義為A矩陣，分別進行奇異值分解、求取近似熵以及求取樣本熵，作為故障診斷的三個特征，包括以下內容：

(1)對A進行奇異值分解得到：

A＝U∑V^T；

(2)對A求取近似熵，得到序列長度為N時的ApEn的估計值，記作

ApEn(m，r，N)＝Φ^m(r)-Φ^m+1(r)；

(3)對A求取樣本熵，

步驟3.2：進行特征融合：已知奇異值、近似熵和樣本熵是三類需要融合的特征集，設為A、B、C，a＝{a₁，a₂，…，a_i}代表特征集A中的一個特征向量，b＝{b₁，b₂，…，b_i}代表特征集B中的一個特征向量，c＝{c₁，c₂，…，c_i}代表特征集C中的一個特征向量，采用串行融合的方式，得到新的特征向量可以表示為{a₁，a₂，…，a_i，b₁，b₂，…，b_i，c₁，c₂，…，c_i}；

步驟4：故障診斷：將串行融合后的特征向量輸入到SVM分類器中進行訓練、測試以及仿真，最終對發動機有無故障及故障類型進行診斷。

2.如權利要求1所述的一種基于特征融合的發動機故障診斷方法，其特征在于，將奇異值、近似熵以及樣本熵按照6∶2∶2的比例進行串行融合。