The invention discloses an improved multi-class support vector machine method for state detection of multi-station cold heading machine. Firstly, the fault signal is decomposed by local mean decomposition, and several product functions are obtained. Secondly, in order to effectively remove the modal aliasing noise in component PF, the ICA algorithm is used to separate the blind sources of component PF, extract the effective signals, and use the idea of time series translation to construct multiple PF component noises, so as to obtain the noise-reduced modal component signal. Then, the permutation entropy is used to quantify the fault state characteristics of each modal component, and the average permutation entropy of each modal component is obtained. Finally, an improved multi-class support vector machine fault classification model for multi-station cold heading machine is established, and the calculated eigenvectors are input into the improved PSVM_2V for state detection. Through this method, the fault characteristics of cold heading machine can be obvious, and the state of cold heading machine can be detected directly from the improved multi-class support vector machine model.
【技术实现步骤摘要】
一种用于多工位冷镦机状态检测的改进多分类支持向量机方法
本专利技术属于机械设备故障诊断领域,涉及一种用于多工位冷镦机状态检测的改进多分类支持向量机方法。
技术介绍
多工位自动冷镦成型机作为一种自动化、精密、技术含量高的先进成形装备,在各个产业都有着广泛的应用。工业发达国家在装备制造领域已初步实现信息化和工业化深度融合,冷镦成型机领域也不例外,尤其是多工位全自动冷镦成型机发展到今天己经初步做到设计、制造、维护一体机。多工位冷镦成型机是典型性的机、电、液、温一体化的制造装备,其状态特征信息包含在不同性质的信号中,表现为多源性,由于受设备的工频振动、电噪声、液压和润滑系统脉动噪声、以及传递环节调制和噪声干扰等影响,信号非常微弱此外,多工位冷镦成型机功能部件机、电、液多源特征信号之间相互影响,对其进行状态检测困难。
技术实现思路
本专利技术的目的是为了克服现有技术存在的缺点和不足,而提供一种用于多工位冷镦机状态检测的改进多分类支持向量机方法。通过该方法能够使冷镦机故障特征明显,从而从改进多分类支持向量机的模型中直接检测出冷镦机的状态。为实现上述目的,本专利技术的技术方案是包括有:S1、用局部均值分解对多工位冷镦机各状态的信号进行分解,得到若干乘积函数,每一乘积函数分量都是一个包络信号和一个具有物理意义的纯调频信号的乘积,包含原始信号的状态特征信息;S2、为有效去除乘积函数分量中的模态混叠噪声,基于独立成分分析算法并利用时序平移的思想,构造多个乘积函数分量噪声,对乘积函数分量进行盲源分离,提取其中有效状态信号,从而得到降噪后新的模态分量信号;S3、进而利用排列熵量化各模 ...
【技术保护点】
1.一种用于多工位冷镦机状态检测的改进多分类支持向量机方法,其特征在于包括有:S1、用局部均值分解对多工位冷镦机各状态的信号进行分解,得到若干乘积函数,每一乘积函数分量都是一个包络信号和一个具有物理意义的纯调频信号的乘积,包含原始信号的状态特征信息;S2、为有效去除乘积函数分量中的模态混叠噪声,基于独立成分分析算法并利用时序平移的思想,构造多个乘积函数分量噪声,对乘积函数分量进行盲源分离,提取其中有效状态信号,从而得到降噪后新的模态分量信号;S3、进而利用排列熵量化各模态分量的状态特征,取各模态分量排列熵的平均值作为特征向量;S4、建立多工位冷镦机状态检测的改进多分类支持向量机状态分类模型;并将计算的特征向量输入改进多分类支持向量机状态分类模型中进行状态的分类识别。
【技术特征摘要】
1.一种用于多工位冷镦机状态检测的改进多分类支持向量机方法,其特征在于包括有:S1、用局部均值分解对多工位冷镦机各状态的信号进行分解,得到若干乘积函数,每一乘积函数分量都是一个包络信号和一个具有物理意义的纯调频信号的乘积,包含原始信号的状态特征信息;S2、为有效去除乘积函数分量中的模态混叠噪声,基于独立成分分析算法并利用时序平移的思想,构造多个乘积函数分量噪声,对乘积函数分量进行盲源分离,提取其中有效状态信号,从而得到降噪后新的模态分量信号;S3、进而利用排列熵量化各模态分量的状态特征,取各模态分量排列熵的平均值作为特征向量;S4、建立多工位冷镦机状态检测的改进多分类支持向量机状态分类模型;并将计算的特征向量输入改进多分类支持向量机状态分类模型中进行状态的分类识别。2.根据权利要求1所述的用于多工位冷镦机状态检测的改进多分类支持向量机方法,其特征在于所述步骤S1具体包括:设定多工位冷镦机各状态的原始信号X(t)所有的局部极值点ni,求出所有相邻的局部极值点ni和ni+1的平均值mi,将所有相邻的mi用直线连接起来,经平滑处理得到局部均值函数m11(t);计算包络估计值ai,将所有的相邻ai用直线连接起来,经进行平滑处理得到包络估计函数a11(t);将局部均值函数m11(t)从原始信号X(t)中分离出来得到h11(t),对其进行解调得到s11(t),h11(t)=X(t)-m11(t)(2)s11(t)=h11(t)/a11(t)(3)计算s11(t)的包络估计函数a12(t),如果a12(t)=1,则说明s11(t)是一个纯调频信号,否则需要对s11(t)重复以上步骤,直到-1≤s1n(t)≤1,且其包络信号估计函数满足a1(n+1)(t)=1,迭代终止条件为迭代过程中产生的全部包络估计函数的乘积即为包络信号a1(t):将包络信号a1(t)和纯调频信号s1n(t)相乘便可以得到第一个PF分量:PF1(t)=a1(t)s1n(t)(6)从x(t)中分离出第一个PF分量PF1(t),获得新的信号u1(t),将u1(t)作为原始数据重复以上迭代过程,循环k次,直到uk(t)为一个单调函数;则X(t)被分解成k个PF分量和一个残余分量uk(t)之和,即:式(7)中,PFp表示为p个PF分量,uk表示余项。3.根据权利要求2所述的用于多工位冷镦机状态检测的改进多分类支持向量机方法,其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。