【技术实现步骤摘要】
基于LOD
‑
ICA的旋转机械故障诊断方法
[0001]本专利技术涉及旋转机械故障信号处理和故障诊断领域,特别涉及基于盲源分离的旋转机械故障诊断方法。
技术介绍
[0002]旋转机械的故障诊断技术的研究对于提高工作效率甚至社会生产力、生命安全以及国家经济建设都具有重要意义。
[0003]大型旋转机械出现故障的时候,很多情况下无法预先知道故障信号特征,需要采用盲源分离的方法进行诊断。独立分量分析(independent component analysis,ICA)方法在处理源信号的盲源分离问题和在图形信号处理与分析领域应用广泛,而快速ICA方法以其更快的收敛速度要优于ICA方法,但快速ICA方法与ICA方法一样都存在观测数据通道不足的缺陷。在观测通道数不足的情况下,独立分量分析,需要利用其他分解方法构建虚拟通道数据,以实现各独立信号源的分离。
技术实现思路
[0004]本专利技术要解决的技术问题是:通过LOD(Local Oscillatory
‑
Characteristic Decomposition)方法对故障信号进行预处理,为ICA方法提供足够的虚拟通道数据;在拥有足够多观测通道情况下,利用ICA算法解决LOD方法存在的模态混肴问题,以实现信号的盲源分离。
[0005]本专利技术采用的技术方案是:基于LOD
‑
ICA的旋转机械故障诊断方法,通过基于噪声辅助分析的LOD方法对故障振动信号进行预处理,为快速ICA方法提供足够的虚拟 ...
【技术保护点】
【技术特征摘要】
1.基于LOD
‑
ICA的旋转机械故障诊断方法,其特征在于,包括以下步骤:步骤1:保存采集的旋转机械故障混合信号;步骤2:建立任意两相邻极值点区间的分段线性函数,通过坐标域变换将信号从原始数据域坐变换为锯齿域坐标;步骤3:对一阶微分信号添加白噪声,求得锯齿域的初始均值函数,进而求得高频波动函数,再通过坐标域变换运算,将高频波动函数转换为原始域高频函数;步骤4:鉴别分离出来的信号单分量c1(t)是否含有不同的波动特征,即其瞬时频率物理意义是否具有实质性,若是,则c1(t)=MOC1(t);若否,最终分离出来首次瞬时频率物理意义具有实质性的单分量信号c
m
(t),c
m
(t)=MOC1(t);步骤5:将原始信号拆分为n个MOC(t)分量和余量r(t);步骤6:对比分析分离出来的信号频谱图,将仍然存在信号模态混肴问题的MOC分量进行标准化(均值为0,方差为1)处理,得到标准化向量Y,通过白化处理实现数据向量Y
→
Z的转变;步骤7:对随机生成的初始化单位范数向量w进行归一化处理;步骤8:根据推导出的迭代公式进行更新迭代计算;步骤9:根据迭代公式w=w
*
/||w
*
||对向量w进行标准化处理;步骤10:判断向量矩阵w是否收敛,若否,则重复步骤8
→
步骤10;若是则进行下一步;步骤11:重新确立向量w进行对称正交化处理,保证分离出来的每个单位向量w互相独立正交,且线性无关;步骤12:分离得到信号。2.如权利要求1所述的基于LOD
‑
ICA的旋转机械故障诊断方法,其特征在于,步骤2中,找出通过振动信号传感器获取混合信号x(t)中所有极值及其对应的时刻值,建立任意两个相邻极值点取值区间的分段线性函数:其中,X
k
(k=1,2,
…
,m)为x(t)中所有的极值;t表示时间;X
k+1
为X
k
的相邻极值点;τ
k
、τ
k+1
分别X
k
、X
k+1
对应的时刻值;对原始信号x(t)在任意两个相邻极值点[X
k
,X
k+1
)的信号区间进行分段线性变换运算,以获得分段线性函数s1(t);通过原始信号x(t)的坐标域变换运算,对原始数据坐标域坐标(t,x)进行坐标转换坐标变换公式表示如下:s(u)=x(t)
ꢀꢀꢀꢀ
(3)转换后的锯齿域坐标(u,s)极大的减小了分解误差。3.如权利要求1所述的基于LOD
‑
ICA的旋转机械故障诊断方法,...
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。