一种基于多传感器多元数据融合的机械故障诊断方法技术

本发明专利技术公开一种基于多传感器多元数据融合的机械故障诊断方法，首先获得由多传感器采集轴承的多元振动信号x1(t)，x2(t),

【技术实现步骤摘要】
一种基于多传感器多元数据融合的机械故障诊断方法


[0001]本专利技术属于机械故障诊断领域，具体涉及一种基于多传感器多元数据融合的机械故障 诊断方法。

技术介绍

[0002]由于旋转机械设备结构复杂，在工业领域恶劣的工作条件下，容易发生故障。在机械 故障诊断领域，利用单个传感器采集到的振动信号含有的信息有限，特别是当机械设备中 不同零件出现多个故障时，从单个通道采集到的振动信号往往会遗漏一些故障特征信息， 导致诊断错误。利用多传感器采集不同位置的多元振动信号，能够提取更准确的机械故障 特征频率。因此，针对多元信号的多元数据融合方法，尤其是对多元信号同步分解逐渐成 为重要的研究方向。
[0003]经验模式分解(EMD)可以将时间序列分解为多个近似平稳时间序列——固有模态函数 (IMFs)，且对基函数没有要求，因此被广泛应用于处理非线性非平稳信号。对于多元信号， EMD只能对每个通道的信号分别进行分解，这样会导致表征相同特征频率成分的IMF阶数 无法保证一致，即表征同一特征频率的IMF在不同信道间位于的阶数不同，存在特征频率 分量的排列紊乱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器多元数据融合的机械故障诊断方法，其特征在于：所述诊断方法包括以下步骤：步骤(1)：多传感器进行多通道振动信号的同步采集；步骤(2)：对采集的多元信号进行非局部均值NL
‑
means去噪预处理；具体为：式中，y(t)表示等待处理的输入信号，它包括原始信号x和噪声信号，x
e
是对原始信号x的估算，它可以作为所有相似成分的加权平均值来计算，Z(t)是一个标准化常数，表示围绕中心s的所有相似模块权重的总和，而w(s,t)表示相似模块之间的相似程度，被定义为：其中，λ是一个滤波器参数，分别代表s和t周围相似的成分；Δ是s周围的区块，L
Δ
是t周围的区块；d2(s,t)是以s和t为中心的两个相似分量之间逐点差的平方；步骤(3)：采用NAAPITMEMD对预处理后的多通道信号同时进行分解，得到固有模态函数IMFs分量；具体计算过程为：1)取n元信号s(t)，取相同长度的m组高斯白噪声，组成(m+n)元信号作为原始多元信号；对其协方差矩阵C进行特征分解，C＝ΣΛΣ
T
,Σ表示特征向量矩阵，Λ表示特征值矩阵；最大的特征值λ1对应特征向量Σ1，即表征功率不平衡最大方向的第一个主成分；2)沿Σ1的反方向径向构造另一个向量Σ
o1
；3)使用Hammersley序列，在均匀样本(n
‑
1)维球面内获得K方向一致的投影向量然后计算每个方向向量到Σ1的欧氏距离；4)利用公式将Σ1位于的半个椭球体的均匀投影向量重置得到利用公式将Σ
o1
位于的另外半个椭球体的均匀投影向量重置得到5)采用自适应投影方向向量和进行迭代分解，通过MEMD的余下步骤进行局部均值估计；最终对(m+n)元信号进行分解得到(m+n)组IMF，从(m+n)组IMF中删除m组高斯白噪声对应的m组IMF，得到n元信号经过分解对应的n组IMF；步骤(4)：通过定义和计算FCF，采用矩阵间的相关分析来确定包含故障信息的有效IMFs；具体为：在步骤(3)n元信号s(t)的NAAPITMEMD分解中，对每个信号对应的所有的第m阶IMFs构成n组矩阵，其中都包含m阶IMF，当进行n个IMF组与...

【专利技术属性】
技术研发人员：袁锐，吕勇，李林峰，蔡志鑫，杨笛，钟宏宇，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：