一种用于低速旋转机械故障诊断的局部均值分解方法技术

本发明专利技术公开了一种用于低速旋转机械故障诊断的局部均值分解方法，通过对局部均值分解方法中的端点效应、PF筛分停止准则进行改进，对采样后的信号进行倍速处理能够有效避免后期频谱分析时的低频段错误；在局部均值分解中加入极值点的端点延拓机制，能够有效降低端点效应影响；通过结合峭度准则与纯调频性判定的PF筛分停止准则，提高了PF计算的稳定性，不易出现不收敛现象；通过少量PF函数重构实现噪声消除，能够有效提升故障特征成分的能量使其更加明显，有利于进行故障判定且计算量小，实现信号降噪与故障特征分析，适用于生产现场低速设备的诊断。

A local mean decomposition method for fault diagnosis of low speed rotating machinery

【技术实现步骤摘要】
一种用于低速旋转机械故障诊断的局部均值分解方法
本专利技术涉及一种故障诊断的均值分解方法，具体是一种针对搅拌机、低速输送机等低速旋转机械的轴承、齿轮箱等关键部件进行精准化振动频谱分析实现故障分析的局部均值分解方法，属于机械故障检测诊断

技术介绍
目前针对旋转机械故障诊断的研究中，针对智能化自适应诊断主要采用机器学习方法，而近年来被广泛采用的深度学习方法具有更强的故障分类性能。局部均值分解方法由JonathanS.Smith于2005年提出，能够将振动信号进行自适应分解以便进一步开展降噪与频谱分析，该方法在旋转机械故障诊断方面已有一定的应用。但在低速旋转机械诊断中，由于需要对长时间大样本量信号进行分析，端点效应和PF筛分停止准则造成的影响更加严重、会严重影响筛分准确度，因此制约局部均值分解方法应用推广。
技术实现思路
针对上述问题，本专利技术提供一种用于低速旋转机械故障诊断的局部均值分解方法，通过对局部均值分解方法中的端点效应和PF筛分停止准则进行改进能够实现更精准的频谱分析与诊断，从而解决影响筛分准确度的问题。...

【技术保护点】
1.一种用于低速旋转机械故障诊断的局部均值分解方法，其特征在于，具体包括以下步骤：/n步骤a：利用加速度传感器采集振动信号x(t)，通过时间轴倍速化重设实现采样长度不变下的升采样；/n步骤b：确定x(t)的所有局部极值点n

【技术特征摘要】
1.一种用于低速旋转机械故障诊断的局部均值分解方法，其特征在于，具体包括以下步骤：
步骤a：利用加速度传感器采集振动信号x(t)，通过时间轴倍速化重设实现采样长度不变下的升采样；
步骤b：确定x(t)的所有局部极值点ni，通过对第一个和最后一个极值点进行相似极值延拓，对相邻的两个局部极值点进行计算求出局部均值mi和包络估计值ai：






步骤c：分别对所有的mi、ai进行滑动平均处理得到局域均值函数m11(t)和包络估计函数a11(t)；
步骤d：将m11(t)从x(t)中分离出来并除以a11(t)得到调频信号s11(t)：
步骤e：根据步骤b、步骤c的方法求取s11(t)的包络估计函数a12(t)，求取a12(t)的峭度K12和a13(t)的峭度K13，
当出现K12>K13的情况时判断能否满足1-δ≤a13(t)≤1+δ(δ为常量，常取δ＝10-3)，进而确定是否继续迭代；
若出现K12<K13的情况则立即停止迭代，将s11(t)视为纯调频函数，否则s11...

【专利技术属性】
技术研发人员：王鹏，李庆，孙益群，王忠利，孙晋明，
申请(专利权)人：江苏天沃重工科技有限公司，
类型：发明
国别省市：江苏;32