基于非线性频谱分析的故障检测与诊断方法技术

一种基于非线性频谱分析的状态检测与故障诊断方法，其实现步骤是：（１）模型简化；（２）激励信号设计；（３）数据采集与数据压缩；（４）选取辨识算法；（５）信号预处理；（６）模型泛化能力检验；（７）模式分类与故障诊断试验；最后是对临界故障状态进行报警，对故障状态进行应急处理。该方法不仅可以适用于线性和非线性系统的状态检测与故障诊断，而且可以大大提高检测与诊断精度，可以在线实际应用。（*该技术在2019年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术属于控制科学与工程学科领域，进一步涉及一种基于非线性频谱分析的状态检测与故障诊断方法。目前，关于状态检测与故障诊断有两种最基本的方法，一种方法基于信号处理，另一种基于过程分析。基于信号处理的状态检测与故障诊断方法是最基本的方法(见J.S.米尔著，林明邦等译，《机器故障的分析与监测》，机械工业出版社，1990)。因为系统输出信号幅值、相位、频率、相关性等参量的变化往往与故障源之间存在一定的联系，通过信号处理可得到输出信号的频谱图等特性，并由此可以分析得出系统所处得状态。常用的方法有谱分析法、概率密度法、时序分析法等。此方法的优点是简单直观，在许多情况下也很有效。但由于只利用了输出信号，不能完全反映系统的本质特性，所以这种方法不可避免地有其局限性。即对一些系统而言，输出信号的变化并不能完全反映对象特征的变化，容易造成误判。基于过程分析的方法，就是利用对象的输入输出信号，用模型辨识方法获得对象传递特性的变化，并由此判断系统是否处于故障状态。参数模型辨识或非参数模型辨识，均属于这类方法(见周东华、孙优贤著，《控制系统的故障检测与诊断技术》，清华大学出版社，1994)。直接基于本文档来自技高网...

【技术保护点】
基于非线性频谱分析的故障检测与诊断方法，其特征在于：（１）模型简化，即根据ＧＦＲＦ模型所具有的对称性、共轭对称性和零极点分布等特点，对模型结构进行简化；（２）激励信号设计，即根据辨识需要，采用具有较宽频带的伪白噪声信号作为附加激励信 号输入对象；（３）根据对象特点选取采样周期和数据样本长度，并对实际对象的输入输出进行同步采样，获取辨识数据，又根据非线性非参数模型辨识的特点，对参与辨识的数据进行压缩；（４）选取辨识算法，即采用按奇异值分解的整体最小二乘算法；（ ５）信号预处理，即对输入输出数据进行变换和调理，使得这些输入输出数据更适合用于系统辨识；（６）模型泛...

【技术特征摘要】

【专利技术属性】
技术研发人员：韩崇昭，唐晓泉，李涌，王立琦，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]