基于辛几何模态分解的风电机组故障特征提取方法技术

本发明专利技术公开了一种基于辛几何模态分解的风电机组故障特征提取方法，具体为：采集待诊断的原始轴承故障振动信号；利用辛几何模态分解方法对原始轴承故障振动信号进行分解，获得初始分量；通过计算构造分量之间的余弦相似度确定有效分量；构造余弦相似度矩阵，获得最终的辛几何分量；选择包含信息最多的前两个辛几何分量，构造二维特征向量进行特征提取，得到特征数据；对AdaBoost分类算法中相关参数进行训练，将测试集输送到训练好的分类模型中，完成故障分类。本发明专利技术的基于辛几何模态分解的风电机组故障特征提取方法，将辛几何分解和AdaBoost分类结合，实现对轴承故障类型和故障程度的判别，判断精度高。

【技术实现步骤摘要】
基于辛几何模态分解的风电机组故障特征提取方法
本专利技术属于故障诊断
，涉及一种基于辛几何模态分解的风电机组故障特征提取方法。
技术介绍
在风电机组的在线监测系统中，通过传感器采集振动信号，对其进行处理分析并结合相应的智能分类算法可以完成对轴承的故障判别。常用的信号分解方法主要有傅里叶变换、小波变换、经验模态分解、奇异谱分解及其相应的改进方法等，分别有：中国专利《一种基于傅里叶分解与多尺度排列熵偏均值的滚动轴承故障诊断方法》(CN110866519A)、中国专利《基于EMD和近似熵的滚动轴承发射信号特征提取方法》(CN109000926A)、中国专利《一种基于奇异值分解和自编码器的轴承故障特征提取方法》《CN110646203A》。辛几何模态分解是一种基于辛空间的时间序列分解方法，不会破坏原始时间序列的特征，对于非线性信号有着更好的处理效果。在辛几何分解过程中，得到的初始单分量并不是完全独立，其中有些分量具有相似的周期，频率，特性等，在此引入余弦相似度，通过构造余弦相似度矩阵，对其中相似分量进行重组，从而确定最终的辛几何分本文档来自技高网...

【技术保护点】
1.基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，具体按照如下步骤实施：/n步骤1，采集待诊断的原始轴承故障振动信号；/n步骤2，利用辛几何模态分解方法对原始轴承故障振动信号进行分解，获得初始分量；/n步骤3，对步骤2得到的初始分量通过计算构造分量之间的余弦相似度确定有效分量；/n步骤4，通过构造余弦相似度矩阵，实现对有效分量中的相似初始分量进行重组，从而获得最终的辛几何分量；/n步骤5，选择包含信息最多的前两个辛几何分量，求得辛几何熵，构造二维特征向量进行特征提取，得到特征数据；/n步骤6，对不同类别的故障数据贴上分类标签，用训练集对AdaBoost分类算法中相关参数进行训练，将...

【技术特征摘要】
1.基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，具体按照如下步骤实施：
步骤1，采集待诊断的原始轴承故障振动信号；
步骤2，利用辛几何模态分解方法对原始轴承故障振动信号进行分解，获得初始分量；
步骤3，对步骤2得到的初始分量通过计算构造分量之间的余弦相似度确定有效分量；
步骤4，通过构造余弦相似度矩阵，实现对有效分量中的相似初始分量进行重组，从而获得最终的辛几何分量；
步骤5，选择包含信息最多的前两个辛几何分量，求得辛几何熵，构造二维特征向量进行特征提取，得到特征数据；
步骤6，对不同类别的故障数据贴上分类标签，用训练集对AdaBoost分类算法中相关参数进行训练，将测试集输送到训练好的分类模型中，完成故障分类。


2.根据权利要求1所述的基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，所述步骤1具体为：选择合适的采样频率fs，采集待诊断的原始轴承故障振动信号，得到形如x＝x1，x2，…，xn的一维时间序列，其中n是信号的长度。


3.根据权利要求2所述的基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，所述步骤2具体为：
步骤2.1，基于Takens嵌入定理，通过时序延迟拓扑等效方法将x＝x1，x2，…，xn的一维时间序列重建为包含多维信号的轨迹矩阵X，



其中，d是嵌入维度，τ是延迟时间，m＝n-(d-1)τ；
步骤2.2，根据步骤2.1得到的轨迹矩阵X构造哈密顿矩阵M，A＝XTX：
步骤2.3，计算矩阵A的特征值λi(i＝1，2，…，d)和矩阵A特征值对应的特征向量Qi(i＝1，2，…，d)；
步骤2.4，计算变换系数矩阵Si，通过公式Zi＝QiSi(i＝1，2，…，d)，得到相应的重构矩阵则轨迹矩阵X＝X1+X2+…+Xd；
步骤2.5，通过对角平均变换将Xi转换为长度为n的时间序列Yi＝y1，y2，…yn(i＝1，2，…，d)，由此得到d个长度为n的时间序列，即d个初始分量，其和为一维时间序列x＝x1，x2，…，xn。


4.根据权利要求3所述的基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，所述步骤2.1中τ＝1。


5.根据权利要求3所述的基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，所述步骤2.3具体为：
存在Householder矩阵对矩阵A进行Householder变换得到矩阵Q且H为正交辛矩阵；
使得令B＝QAQT，则其中矩阵B是一个上Hessenberg矩阵，对角线元素即为B的特征值λi(i＝1，2，…，d)，A的特征值和B的特征值相等，则A的特征值λi(i＝1，2，…，d)，矩阵Q中列向量Qi(i＝1，2，…，d)是矩阵A的特征值对应的特征向量。


6.根据权利要求3所述的基于辛几何模态分解的风电机组故障特征提取方法，其特征在于，所述步骤2.5中通过对角平均变换将Xi转换...

【专利技术属性】
技术研发人员：李辉，李璠，白亮，翟芳，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61