【技术实现步骤摘要】
一种基于CEEMD
‑
CC的单特征健康因子提取方法
[0001]本专利技术属于故障预测
具体涉及一种基于CEEMD
‑
CC的单特征健康因子提取方法。
技术介绍
[0002]旋转机械由于其通用性目前被广泛应用于各种机械装备与复杂的工作环境中，其一旦受损不仅会影响设备的正常使用，还有可能造成巨大的经济损失和人身安全威胁。在实际工程应用中，旋转机械的载荷和旋转机械之间摩擦力、阻尼等要素每时每刻都在发生变化，导致通过传感器采集获取的振动信号中常常存在非线性因素和噪声干扰特性。因此，在非线性因素下获取原始振动信号中表征旋转机械健康状态的有用信息，减少噪声干扰影响成为实现旋转机械性能退化追踪的先决条件。旋转机械性能退化过程的精确跟踪对于提取到的健康因子在全寿命周期内的稳定性和趋向性也具有极高的要求。
[0003]然而，在干扰因素的条件下，现有的技术难以揭示机械旋转部件的非线性特征，且难以构造在全寿命周期内的具备较高稳定性和良好鲁棒性的健康因子。
技术实现思路
[0004...
【技术保护点】
【技术特征摘要】
1.一种基于CEEMD
‑
CC的单特征健康因子提取方法，其特征在于，包括：步骤一、获取初始旋转机械的振动信号；使用CEEMD对初始旋转机械振动信号进行分解处理，得到旋转机械振动信号的IMF分量和残差；步骤二、计算IMF分量与振动信号的相关系数，选取相关系数大于阈值的IMF分量进行信号重构；步骤三、计算重构信号的能量熵H
e
K，以能量熵H
e
K作为表征旋转机械健康状态的健康因子；步骤四、以相关性指标Corr(E,T)、单调性指标Mon(E)和鲁棒性指标Rob(E)作为各个特征量的评价标准，评估健康因子的退化过程跟踪密切程度。2.根据权利要求1所述一种基于CEEMD
‑
CC的单特征健康因子提取方法，其特征在于，所述步骤一获取初始旋转机械的振动信号；使用CEEMD对初始旋转机械振动信号进行分解处理，得到旋转机械振动信号IMF分量和残差；具体过程为：将高斯白噪声加入到振动信号X：X
′
＝X+β
k
‑1F
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，X
′
表示加入高斯白噪声后的信号；F
k
表示处理第k个IMF时加入的高斯白噪声，β
k
‑1表示信噪比；获得第一个残差r1：r1＝H(X
′
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，H(
·
)表示局部均值的运算符；计算第一个IMF：IMF1＝X
‑
r1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)定义IMF2：IMF2＝r2‑
r1＝r1‑
H(r1+β1F2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)计算第k个残差r
k
：r
k
＝H(r
k
‑1+β
k
‑1F
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)得到第k个IMF：IMF
k
＝r
k
‑1‑
r
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)重复(5)
‑
(6)，直至得到最终残差R：则振动信号X的表示形式如公式(8)：3.根据权利要求2所述一种基于CEEMD
‑
CC的单特征健康因子提取方法，其特征在于，所述步骤二计算IMF分量与初始信号的相关系数，选取相关系数大于阈值的IMF分量进行信号重构；具体过程为：计算每个...
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。