[發明專利]基于參數自適應特征模態分解故障診斷方法和系統

有效

• 申請號: 202210571899.7
• 申請日: 2022-05-24
• 公開（公告）號: CN114742111B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 鄢小安;姜東;謝超;劉英
• 申請（專利權）人: 南京林業大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06F18/10;G06N3/006
• 代理公司: 北京智行陽光知識產權代理事務所(普通合伙) 11738
• 代理人: 楊效忠

1.一種基于參數自適應特征模態分解故障診斷方法，其特征在于，包括如下步驟：

S10：采集機械設備的故障振動信號X(n)，n為信號的采樣點數；

S20：基于最大信號循環峭噪比的群智能優化方法自動地確定特征模態分解的模態個數和濾波器長度，并采用參數優化的特征模態分解將采集的振動信號劃分為一系列模態分量；

S30：計算各模態分量的平方包絡譜特征能量比，并選取具有最大平方包絡譜特征能量比的模態分量作為主模態分量；

S40：通過從主模態分量的平方包絡譜中提取故障特征頻率，實現機械故障識別；

其中，在步驟S20中，所述基于最大信號循環峭噪比的群智能優化方法包括如下步驟：

S201：設置最大迭代次數Ni，通過公式Pos＝initialization(Np,d,ub,lb)初始化種群；

式中，Np為種群個數，d為目標維度，ub和lb分別為組合優化參數的上界和下界，initialization(·)為MATLAB群智能優化算法工具包中的初始化算子；

S202：建立參數優化的目標函數；

將最大信號循環峭噪比作為參數優化的目標函數，其表達式為：

式中，argmax{·}表示求取最大值的函數，SCKNR為信號循環峭噪比，K和L分別為特征模態分解的模態個數和濾波器長度；

S203：計算當前種群中所有個體的目標函數值，并記錄當前最佳的目標函數值；

S204：更新種群的位置，其表達式如下；

式中，為第np個種群個體在ni次迭代中的位置，為第np個種群個體在ni+1次迭代中的位置，updating{·}為MATLAB群智能優化算法工具包中的種群更新算子；

S205：判別是否達到最大迭代次數Ni，如果達到最大迭代次數Ni，則停止迭代，輸出優化的模態個數K_optimal和濾波器長度L_optimal；否則，返回步驟203繼續迭代，直到滿足迭代停止條件為止；

其中，在步驟S202中，所述信號循環峭噪比SCKNR被定義為：

式中，i＝1,2…,M，j＝1,2…,N，N為采樣點數，M為整數，SE(x)為x(N)的平方包絡信號，R_SE為SE(x)的自相關函數，τ為時間延遲，T為R_SE第一次過零點后達到局部最大值對應的時間延遲；

其中，在步驟S20中，所述參數優化的特征模態分解的表達式為：

u＝FMD(Fs,x,L_optimal,Cn,K_optimal,Mi)

式中，Fs表示信號的采樣頻率，Cn為信號整體頻帶的分割個數，Mi為預先設置的特征模態分解的最大迭代次數，K_optimal和L_optimal分別表示優化的模態個數和濾波器長度，FMD(·)為MATLAB工具包中的特征模態分解函數；

其中，在步驟S30中，所述計算各模態分量的平方包絡譜特征能量比FER-SES，其表達式為：

式中，FFT(·)為MATLAB工具包中的傅里葉變換函數，SES為模態分量u的平方包絡譜，R為SES中特征頻率對應的譜線數，F_r為SES中第r個特征頻率對應的幅值，J為SES中的總譜線數，E_k為SES中第k根譜線對應的幅值。

2.一種基于參數自適應特征模態分解故障診斷系統，其特征在于，包括：

信號采集模塊，用于采集機械設備的故障振動信號X(n)，n為信號的采樣點數；

信號分解模塊，用于基于最大信號循環峭噪比的群智能優化方法自動地確定特征模態分解的模態個數和濾波器長度，并采用參數優化的特征模態分解將采集的振動信號劃分為一系列模態分量；

分量選擇模塊，用于計算各模態分量的平方包絡譜特征能量比，并選取具有最大平方包絡譜特征能量比的模態分量作為主模態分量；

故障識別模塊，用于通過從主模態分量的平方包絡譜中提取故障特征頻率，實現機械故障識別；

其中，所述信號分解模塊包括：

初始化單元，用于設置最大迭代次數Ni，通過公式Pos＝initialization(Np,d,ub,lb)初始化種群；

式中，Np為種群個數，d為目標維度，ub和lb分別為組合優化參數的上界和下界，initialization(·)為MATLAB群智能優化算法工具包中的初始化算子；

目標函數單元，用于建立參數優化的目標函數；

將最大信號循環峭噪比作為參數優化的目標函數，其表達式為：

式中，argmax{·}表示求取最大值的函數，SCKNR為信號循環峭噪比，K和L分別為特征模態分解的模態個數和濾波器長度；

計算單元，用于計算當前種群中所有個體的目標函數值，并記錄當前最佳的目標函數值；

更新單元，用于更新種群的位置，其表達式如下；

式中，為第np個種群個體在ni次迭代中的位置，為第np個種群個體在ni+1次迭代中的位置，updating{·}為MATLAB群智能優化算法工具包中的種群更新算子；

判斷單元，用于判別是否達到最大迭代次數Ni，如果達到最大迭代次數Ni，則停止迭代，輸出優化的模態個數K_optimal和濾波器長度L_optimal；否則，返回步驟203繼續迭代，直到滿足迭代停止條件為止；

其中，所述信號循環峭噪比SCKNR被定義為：

式中，i＝1,2…,M，j＝1,2…,N，N為采樣點數，M為整數，SE(x)為x(N)的平方包絡信號，R_SE為SE(x)的自相關函數，τ為時間延遲，T為R_SE第一次過零點后達到局部最大值對應的時間延遲；

其中，所述參數優化的特征模態分解的表達式為：

u＝FMD(Fs,x,L_optimal,Cn,K_optimal,Mi)

式中，Fs表示信號的采樣頻率，Cn為信號整體頻帶的分割個數，Mi為預先設置的特征模態分解的最大迭代次數，K_optimal和L_optimal分別表示優化的模態個數和濾波器長度，FMD(·)為MATLAB工具包中的特征模態分解函數；

其中，計算各模態分量的平方包絡譜特征能量比FER-SES，其表達式為：

式中，FFT(·)為MATLAB工具包中的傅里葉變換函數，SES為模態分量u的平方包絡譜，R為SES中特征頻率對應的譜線數，F_r為SES中第r個特征頻率對應的幅值，J為SES中的總譜線數，E_k為SES中第k根譜線對應的幅值。