基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法技术

本发明专利技术公开了一种基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，涉及旋转机械早期故障诊断领域。该方法首先采集齿轮箱的振动信号，进行归一化，并构造故障信号的Hankel矩阵；然后建立非线性卷积稀疏滤波模型，将归一化后的振动信号直接输入到模型中进行训练，得到滤波器组；最后对滤波器进行降维，并对输入样本滤波，进行包络分析，判断故障的特征周期、特征频率，定位故障类型。本方法通过搭建并优化非线性卷积稀疏滤波模型，实现滤波器的优化与降为，与早期故障特征诊断方法相比，具有更好的噪声适应能力、计算效率和鲁棒性。计算效率和鲁棒性。计算效率和鲁棒性。

【技术实现步骤摘要】
基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法


[0001]本专利技术涉及旋转机械早期故障诊断领域，具体涉及基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法。

技术介绍

[0002]齿轮箱作为工程车辆、轨道交通、航空航天、发电系统、冶金采矿等高端装备的重要动力传递系统，经常在复杂恶劣的载荷环境下工作，其中轴承、齿轮等关键旋转部件非常容易产生疲劳、破坏，造成重大经济损失和安全事故。建立可靠的健康监测系统，尽早的发现故障并采取相应的维修措施，是保证这些设备高效、安全运行的必要举措，对合理延长机械设备使用寿命和保证设备运行的安全性都具有重要的意义。例如，当齿轮、轴承发生初始故障后，破坏了机器本身的边界条件，机械设备继续运转，可能会导致齿轮、轴承的加速破坏，而且会诱发其他零部件的故障，产生严重的事故。然而，由于故障早期的信号较弱，且往往被淹没在环境噪声之中，通过常规的采集和分析方法很难直接获得故障特征。综上，提高故障诊断模型特征提取能力和噪声适应能力，能够在背景噪声下准确的提取故障特征，是当前故障诊断领域中的热点和难点问题。/>[0003]要在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征在于，包括以下步骤：(1)输入信号前处理：对采集的旋转机械的振动信号样本进行Z
‑
Score归一化，确定滤波器的长度并构造故障信号的Hankel矩阵，作为模型的输入；(2)非线性特征激活：确定尺度因子和平移因子，通过广义Sigmoid函数，对输入进行非线性激活；(3)构建目标函数：先对特征向量的行进行L2范数归一化，然后对列进行L2范数归一化，对滤波器能量进行约束，求出L1范数，作为模型的目标函数；(4)模型训练：通过拟牛顿法对模型进行迭代优化，得到滤波器组；(5)滤波器降维：对滤波器进行频谱分析，然后计算频谱峭度，选择峭度最大值对应的滤波器作为最优滤波器；(6)滤波和包络分析：通过最优滤波器对采集的原始样本进行滤波，并进行Hilbert包络谱分析；(7)故障类型判断：根据包络谱的峰值、频率和谐波个数，判断故障类型。2.如权利要求1所述基于非线性卷积稀疏滤波的旋转机械早期故障诊断方法，其特征在于，步骤1中，测试的旋转机械振动样本为x∈R1×
N
需要经过Z
‑
Score归一化，即Z＝(f
‑
μ
...

【专利技术属性】
技术研发人员：张宗振，王金瑞，韩宝坤，鲍怀谦，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：