基于自适应集成多小波的机械设备故障特征提取方法技术

本发明专利技术公开一种基于自适应集成多小波的机械设备故障特征提取方法，结合了两尺度相似变换和提升框架的优势，使得多小波多尺度函数的逼近阶提高，正则性得到增强，信号在频域上的能量更为集中；同时，多小波函数的消失矩提升，使得局部化能力和光滑性也得到改善，从而能更精确的描述和表达更高阶的复杂信号。通过设计构造过程中的自由参数和选择特定的基函数评价与优选准则，结合遗传算法等优化方法最优选择构造过程中的自由参数，进而实现针对待分析信号的自适应多小波基函数构造，以实现微弱故障特征的提取。

Fault feature extraction method for mechanical equipment based on adaptive integrated multi wavelet

The invention discloses a method based on adaptive multi wavelet integration of machinery fault feature extraction method, combined with the two scale similarity transform and lifting frame advantage, the wavelet approximation order of multi scaling function improved, regularity is enhanced, the energy signal in the frequency domain is more concentrated; at the same time, many vanishing moments of wavelet function ascension makes localization and smoothness are improved, which can express the complex signal and a more precise description of higher order. The free parameters in the process of constructing the design and selection of basis function of specific evaluation and selection criteria, combining genetic algorithm optimization method for optimal selection of free parameters in the process of constructing, and then realize the signal analysis based on adaptive multi needle to construct wavelet basis function, to achieve the extraction of weak fault feature.

【技术实现步骤摘要】
基于自适应集成多小波的机械设备故障特征提取方法
本专利技术涉及装备故障监测
，具体涉及一种基于自适应集成多小波的机械设备故障特征提取方法。
技术介绍
大型机械设备部件繁多，信号传输路径复杂，传感器采集到的信号是各部件响应的综合反映，当它的零部件发生早期故障时，故障特征非常微弱，同时它受到设备本身的噪声、非平稳的运行状态和信号采集过程中的干扰等影响，使得故障特征提取成为一大难点。针对非平稳信号的处理出现了一系列新的信号分析理论和技术，其中，运用最广泛、最活跃的动态信号分析方法是小波分析理论和技术。小波变换具有时频局部化特性、丰富的基函数，为动态信号的非平稳性描述和机械零部件故障信息的提取提供了有力的工具。根据对小波理论的研究可知，小波基函数的正交性、对称性、紧支性、高阶消失矩是信号处理中十分重要的性质。然而Daubechies已经证明单小波(除Haar小波外)不能同时具有这些性质，从而影响了小波的工程应用效果和限制了它的实际应用范围。多小波作为小波理论的进一步发展，它兼备了信号处理中非常重要的正交性、紧支性、对称性和高阶消失矩等优良特性，克服了单小波存在的缺陷和不足，同时具有多个本文档来自技高网...

【技术保护点】
基于自适应集成多小波的机械设备故障特征提取方法，其特征是，具体包括步骤如下：步骤1、通过振动传感器采集机械设备运行过程中的振动信号；步骤2、选定初始多小波，并对初始多小波进行两尺度相似变换，提升多小波尺度函数的逼近阶，得到中间多小波；步骤3、对中间多小波进行提升框架变换，改变中间多小波基函数的滤波器特性，得到集成多小波；步骤4、以振动信号经过多小波分解后的峭度指标为目标函数，利用遗传算法求解使目标函数最大的多小波自由参数，完成集成多小波的自适应构造，得到最优自适应匹配信号特征的集成多小波基函数；步骤5、对集成多小波基函数进行冗余分解后，再对分解后的低频分支进行希尔伯特包络解调，以实现微弱故障特...

【技术特征摘要】
1.基于自适应集成多小波的机械设备故障特征提取方法，其特征是，具体包括步骤如下：步骤1、通过振动传感器采集机械设备运行过程中的振动信号；步骤2、选定初始多小波，并对初始多小波进行两尺度相似变换，提升多小波尺度函数的逼近阶，得到中间多小波；步骤3、对中间多小波进行提升框架变换，改变中间多小波基函数的滤波器特性，得到集成多小波；步骤4、以振动信号经过多小波分解后的峭度指标为目标函数，利用遗传算法求解使目标函数最大的多小波自由参数，完成集成多小波的自适应构造，得到最优自适应匹配信号特征的集成多小波基函数；步骤5、对集成多小波基函数进行冗余分解后，再对分解后的低频分支进行希尔伯特包络解调，以实现微弱故障特征的提取。2.根据权利要求1所述基于自适应集成多小波的机械设备故障特征提取方法，其特征是，步骤2的具体子步骤如下：步骤2.1、选定初始多小波，该初始多小波的低通滤波器为HG(ω)和高通滤波器为GG(ω)；步骤2.2、构造给定的两尺度相似变换矩阵必须满足的条件，构造出两尺度相似变换矩阵M(ω)；步骤2.3、利用两尺度相似变换矩阵M(ω)对初始多小波进行两尺度相似变换，得到中间多小波，该中间多小波的低通滤波器为Hp(ω)和高通滤波器为Gp(ω)，...

【专利技术属性】
技术研发人员：何水龙，李慧，王衍学，蒋占四，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45