迭代高阶能量算子融合防爆电机轴承故障诊断方法及系统技术方案

本发明专利技术涉及一种迭代高阶能量算子融合防爆电机轴承故障诊断方法及系统,包括：针对所采集到的防爆电机轴承信号，利用迭代高阶能量算子构造多维矩阵，其中每一行分别表示不同阶次的迭代高阶能量算子，对每行进行归一化处理使得组成多维矩阵的各个维度在同一尺度上，得到多维故障信息矩阵；对于所述多维故障信息矩阵进行流形学习，提取内部固有流形；对固有流形进行加权融合处理。本发明专利技术有利于得到理想的防爆电机轴承故障冲击提取效果。防爆电机轴承故障冲击提取效果。防爆电机轴承故障冲击提取效果。

【技术实现步骤摘要】
迭代高阶能量算子融合防爆电机轴承故障诊断方法及系统


[0001]本专利技术涉及防爆电机智能运维的
，尤其是指一种迭代高阶能量算子融合防爆电机轴承故障诊断方法及系统。

技术介绍

[0002]轴承作为防爆电机的核心部件之一，是一种实现角运动向其它运动转换的元件，起着支撑电机主轴、承受负载、传输系统动力、降低功耗等重要的作用。因此轴承的健康状态对防爆电机能否正常运作起着至关重要的影响。然而由于防爆电机主要应用在易燃、易爆等恶劣的工作环境中，这些恶劣的工作环境中通常会伴随着噪声，这对故障轴承信息的提取产生了困难。但正是这些微弱、难以提取的防爆电机轴承故障会使得装置停车，甚至导致机毁人亡的严重后果。因此，针对防爆电机轴承微弱故障诊断方法的研究，对于发展高安全性、高可靠性的防爆电机具有重要、深远的意义。
[0003]传统的防爆电机轴承故障诊断方法包括辨音法、比较法等，这些传统的检测方法要求检测人员具有很多的经验并且监测效率较低。如今随着科学技术不断的进步，传统故障检测方法所露出的劣势明显已经不能满足防爆电机在实际应用中稳定性的要求，高可靠性、高自动化的故障检测技术日趋重要。近些年来防爆电机使用的主要故障监测方法包括振动信号监测法、音频监测法、强度监测法等。其中，振动信号监测法是目前应用最广泛的方法，该方法信号特征明显，能够实时反映防爆电机运行的状态信息，不但减少了停机拆卸的成本，并且对检测人员的专业性要求较低。
[0004]目前发展了许多的基于振动信号的检测法，如经验模态分解、时频分析等。然而，这些方法或多或少都有一定的局限性。例如，基于小波变换的方法需要提前对小波基进行选择，高频共振技术则需要设计合适的中心频率和最佳带宽。这些参数会因工作环境的不同而变化，这在工业应用中非常不方便。能量算子方法的研究克服了参数选择的局限性，但传统的能量算子方法，在强背景噪声的干扰下并不能得到理想的故障效果。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于克服现有技术中从强背景噪声中无法得到更清晰的故障冲击信号的问题，从而提供一种可以得到理想的故障冲击信号的迭代高阶能量算子融合防爆电机轴承故障诊断方法及系统。
[0006]为解决上述技术问题，本专利技术提出的一种迭代高阶能量算子融合防爆电机轴承故障诊断方法，包括如下步骤：针对所采集到的防爆电机轴承信号，利用迭代高阶能量算子构造多维矩阵，其中每一行分别表示不同阶次的迭代高阶能量算子，对每行进行归一化处理使得组成多维矩阵的各个维度保持在同一尺度上，得到多维故障信息矩阵；对于所述多维故障信息矩阵进行流形学习，提取内部固有流形；对固有流形进行加权融合处理。
[0007]在本专利技术的一个实施例中，所采集到的防爆电机轴承信号中，对于连续信号x(t)，其高阶能量算子，定义为E
j
(x(t))＝x
′
x
(j
‑
1)
‑
xx
(j)
，式中x(t)为连续信号，x(
j
)为x的j阶导
数，实际采集到的故障轴承数据为离散数据x(n)，其高阶能量算子，定义为：E
j
(x(n))＝x
(n)
x
(n+j
‑
2)
‑
x
(n
‑
1)
x
(n+j
‑
1)
，式中x(n)为离散数据，x(
n
)为x(n)数据中的第n个数据，j为第j阶能量算子，利用高阶能量算子得到具有较高信噪比的多维矩阵：式中x(n)为离散数据，x
(n)
为x(n)数据中的第n个数据，i为阶次。
[0008]在本专利技术的一个实施例中，所述i＝6。
[0009]在本专利技术的一个实施例中，利用迭代高阶能量算子构造多维矩阵时，将多维矩阵中各阶能量算子数据代入能量算子公式中进行迭代，有式中y(n)为矩阵O中的数据，得到一次迭代高阶能量算子矩阵
[0010]在本专利技术的一个实施例中，对于两次迭代高阶能量算子，则同理将一次迭代能量算子矩阵数据再次带入能量算子表达式式中z(n)为矩阵F中的数据，得到二次迭代高阶能量算子矩阵
[0011]在本专利技术的一个实施例中，对多维矩阵的每行进行归一化处理时，对多维信息矩阵每个维度进行L2
‑
范数归一化处理，使得组成多维矩阵的各个维度保持同一尺度上，得到多维故障信息矩阵式中M
(i)
为矩阵M的第i行(i＝1,
…
,18)，||
·
||2为该向量的L2
‑
范数。
[0012]在本专利技术的一个实施例中，所述提取内部固有流形的方法为局部切空间排列，包括：对局部信息进行提取；针对提取的局部信息构造排列矩阵；根据所述排列矩阵，对齐全局坐标得到故障信息。
[0013]在本专利技术的一个实施例中，对局部信息进行提取时，首先确定每个D维数据点Z
i
的
邻域范围k，排列熵值是用来描述时间序列复杂性的参数，其表达式为：式中P是最终固有流形融合特征U在相空间重构中的嵌入维数,P
i
是最终固有流形融合特征U重构的第i个排列的概率分布，通过对比不同k值的排列熵值，找到最小排列熵值对其邻域范围k进行确定，得到局部信息集合其中包括Z
i
点身；其次,对集合Z
i
中心化得到矩阵式中是集合Z
i
的平均值，e
k
是k维的单位向量，求出中心化矩阵的d个最大右奇异向量得到k维切线空间的正交基V
i
＝[g1,g2,
…
,g
d
]；随后再对提取的局部信息构造排列矩阵，利用数据集Z和邻域集Z
i
构造0
‑
1选择矩阵S
i
：S
i
＝Z
‑1Z
i
，利用k维切线空间的正交基V
i
，得到相关矩阵W
i
：式中I为单位对角矩阵，通过上述得到的矩阵，构造排列矩阵B：然后对齐全局坐标时，求出排列矩阵B的前d+1个最小特征向量，最后得到d维全局坐标D0∈R
d
×
N
，坐标中的元素与排列矩阵B中从第2个至第d+1个最小特征值相互对应，其全局坐标矩阵D
O
的公式如下：D
O
＝[U2,U3,
…
,U
d+1
]T
，其中U
d+1
∈R
N
表示LTSA算法输出的第d维数据，得到内部固有流形，且固有维数d小于原始维数D。
[0014]在本专利技术的一个实施例中，所述对固有流形进行加权融合处理时，设置固有维数d＝3，对固有流形进行加权组合，式中λ
i
为固有流形U
i
所对应的特征值，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于，包括如下步骤：步骤S1：针对所采集到的防爆电机轴承信号，利用迭代高阶能量算子构造多维矩阵，其中每一行分别表示不同阶次的迭代高阶能量算子，对每行进行归一化处理使得组成多维矩阵的各个维度保持在同一尺度上，得到多维故障信息矩阵；步骤S2：对于所述多维故障信息矩阵进行流形学习，提取内部固有流形；步骤S3：对固有流形进行加权融合处理。2.根据权利要求1所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于：所采集到的防爆电机轴承信号中，对于连续信号x(t)，其高阶能量算子，定义为E
j
(x(t))＝x
′
x
(j
‑
1)
‑
xx
(j)
，式中x(t)为连续信号，x
(j)
为x的j阶导数，实际采集到的故障轴承数据为离散数据x(n)，其高阶能量算子，定义为：E
j
(x(n))＝x
(n)
x
(n+j
‑
2)
‑
x
(n
‑
1)
x
(n+j
‑
1)
，式中x(n)为离散数据，x
(n)
为x(n)数据中的第n个数据，j为第j阶能量算子，利用高阶能量算子得到具有较高信噪比的多维矩阵：式中x(n)为离散数据，x(
n
)为x(n)数据中的第n个数据，i为阶次。3.根据权利要求2所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于：所述i＝6。4.根据权利要求2所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于：利用迭代高阶能量算子构造多维矩阵时，将多维矩阵中各阶能量算子数据代入能量算子公式中进行迭代，有式中y(n)为矩阵O中的数据，得到一次迭代高阶能量算子矩阵5.根据权利要求4所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于：对于两次迭代高阶能量算子，则同理将一次迭代能量算子矩阵数据再次带入能量算子表达式式中z(n)为矩阵F中的数据，得到二次迭代高阶能量算子矩阵6.根据权利要求1所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征
在于：对多维矩阵的每行进行归一化处理时，对多维信息矩阵每个维度进行L2
‑
范数归一化处理，使得组成多维矩阵的各个维度保持同一尺度上，得到多维故障信息矩阵式中M
(i)
为矩阵M的第i行(i＝1,
…
,18)，||
·
||2为该向量的L2
‑
范数。7.根据权利要求1所述的迭代高阶能量算子融合防爆电机轴承故障诊断方法，其特征在于：所述提取内部固有流形的方法为局部切空间排列，包括：对局部信息进行提取；针对提...

【专利技术属性】
技术研发人员：江星星，彭德民，王刚，郑振晓，杨强，郑建颖，朱忠奎，
申请(专利权)人：新黎明科技股份有限公司，
类型：发明
国别省市：