一种VMD和GZC机器状态监测方法及装置制造方法及图纸

本发明专利技术公开了一种VMD和GZC机器状态监测方法及装置，利用VMD算法对设备振动信号进行分解，利用非线性判别算法去除噪声分量和趋势项，保留分形信号分量，采用三次样条插值函数对极值点进行插值，利用最小二乘法拟合包络，分离频率调制部分，利用GZC算法估计瞬时频率并计算相应的瞬时尺度，根据分析尺度确定振动信号去趋势结果，计算去趋势信号的多重分形谱，提取多重分形谱的左端点、右端点和极值点坐标作为设备运行状态的特征参数，识别设备运行状态，将上述算法部署到设备状态监测装置，能够准确区分设备运行状态，设备状态监测装置具有良好的柔性和便携性，便于工程应用。

【技术实现步骤摘要】
一种VMD和GZC机器状态监测方法及装置
本专利技术涉及设备状态监测与故障诊断领域，具体涉及一种VMD和GZC机器状态监测方法及装置。
技术介绍
设备振动信号包含丰富的分形特征，这些分形特征能够描述设备的运行状态。盒维数、功率谱分析和重标极差方法可以估计平稳信号的单重分形参数，去趋势波动分析（DFA）能够估计非平稳信号的单重分形维数。然而，设备出现故障时，其振动信号通常是非平稳的，且具有多重分形特征，这时传统的分形维数估计方法会产生比较大的误差。多重分形去趋势波动分析（MFDFA）能够估计非平稳信号的多重分形参数，但是MFDFA方法存在着分析尺度需要人工确定、拟合多项式趋势阶数难以确定和数据段之间不连续的问题。目前，已经有文献提出了基于EMD的MFDFA版本（MFDFAemd），用来解决MFDFA存在的问题。然而，MFDFAemd采用的线性滤波方法容易破坏原始信号的分形结构，且存在着负频率现象，这些缺陷严重影响了MFDFAemd的应用效果。综上所述，现有技术难以准确提取设备振动信号的多重分形特征，难以准确检测设备运行状态。<br>专利技本文档来自技高网...

【技术保护点】
1.一种VMD和GZC机器状态监测方法，其特征在于：包括以下步骤：/n步骤1：利用加速度传感器以采样频率fs测取设备振动信号x（k）, k=1, 2, …,N，N为采样信号的长度；/n步骤2：采用变分模式分解（Variational Mode Decomposition, VMD）算法将信号x（k）分解成n个分量和一个趋势项之和，即

【技术特征摘要】
1.一种VMD和GZC机器状态监测方法，其特征在于：包括以下步骤：
步骤1：利用加速度传感器以采样频率fs测取设备振动信号x（k）,k=1,2,…,N，N为采样信号的长度；
步骤2：采用变分模式分解（VariationalModeDecomposition,VMD）算法将信号x（k）分解成n个分量和一个趋势项之和，即，其中，ci（k）代表由VMD算法得到的第i个分量，rn（k）代表由VMD算法得到的趋势项；
步骤3：采用非线性判别算法从VMD分解结果中排除噪声分量和趋势项，保留包含分形特征的分量cf（k）,f=1,2,…,p，p代表滤波后剩余分量的数量；
步骤4：确定cf（k）的局部极大值和局部极小值，采用三次样条插值函数分别对cf（k）的局部极大值和局部极小值进行插值，利用最小二乘法分别拟合cf（k）的上包络u(k)和下包络l(k)，则cf（k）的包络定义为，符号|x|表示对x取绝对值；
步骤5：重复执行公式m次，j=1,2,…,m，直到，
得到cf（k）的频率调制部分FMm(k)，ej(k)代表cj(k)的包络，cj(k)=FM(j-1)(k)，c1(k)=cf（k）；
步骤6：采用广义零交叉法（Generalizedzero-crossing,GZC）计算FMm(k)的平均周期，得到cf（k）的瞬时尺度sf；
步骤7：当尺度为s时，则振动信号x(k)的去趋势结果为；
步骤8：将Ys(k)分成不重叠的Ns段长度为s的数据，由于数据长度N通常不能整除s，所以会剩余一段数据不能利用；为了充分利用数据的长度，再从数据的反方向以相同的长度分段，这样一共得到2Ns段数据；
步骤9：计算每段数据的方差：




；
步骤10：计算q阶函数：

；
步骤11：改变s的取值，s=sf，f=1,2,…,p，重复上述步骤3到步骤10，得到关于q和s的方差函数Fq(s);
步骤12：如果x(k)存在分形特征，则Fq(s)和尺度s之间存在幂律关系：Fq(s)~sH(q)，H(q)代表x(k)的广义Hurst指数；
当q=0时，H(0)通过下式所定义的对数平均过程来确定：

；
步骤13：计算信号x(k)的标准标度指数τ(q)=qH(q)-1；
步骤14：计算信号x(k)的奇异指数α和多重分形谱f(α)：
α=H(q)+qH’(q),
f(α)=q(α-H(q))+1，其中H’(q)代表H(q)的一阶导数；
步骤15：提取多重分形谱f(α)的左端点、右端点和极值点所对应的奇异指数，利用这3个参数来描述设备的运行状态。


2.根据权利要求1所述的一种VMD和GZC机器状态监测方法，其特征在于：所述步骤3非线性判别算法包括以下步骤：
1)对信号c（k）执行重排操作和替代操作，经重排操作得到的数据用cshuf（k）表示，替代操作后得到数据用csurr（k）表示；
2)对c（k）、cshuf（k）和csurr（k）分别执行多重分形去趋势波动分析（MultifractalDetrendedFluctuationAnalysis,MFDFA），得到广义Hurst指数曲线，c（k）的广义Hurst指数曲线用H（q）表示；cshuf（k）的广义Hurst指数曲线用Hshuf（q）表示；csurr（k）的广义Hurst指数曲线用Hsurr（q）表示；
3)定义两个参数e1和e2，

，

，如果e1和e2都小于10%，则信号c（k）被判别为噪声分量或趋势项，c（k）代表由VMD算法得到的信号分量。


3.根据权利要求2所述的一种VMD和GZC机器状态监测方法，其特征在于：所述步骤1)中数据重排操作包括以下步骤：随机打乱分量c（k）的排列顺序。


4.根据权利要求2所述的一种VMD和GZC机器状态监测方法，其特征在于：所述步骤1)中数据替代操作包括以下步骤：
1）对分量c（k）执行离散傅里叶变换，获得分量c（k）的相位；
2）用一组位于(-π,π)区间内的伪独立同分布数来代替分量c（k...

【专利技术属性】
技术研发人员：豆春玲，寇兴磊，
申请(专利权)人：山东柯瑞申智能科技有限公司，
类型：发明
国别省市：山东;37