一种IDT和MFDFA的电液伺服系统中电机状态监测方法技术方案

本发明专利技术公开了一种IDT和MFDFA的电液伺服系统中电机状态监测方法。本发明专利技术步骤：1、将采集到的电机振动信号进行预处理；2、将电机振动信号进行自适应阈值降噪；3、对降噪后的振动信号进行固有时间尺度分解，得到固有旋转分量；4、对固有旋转分量进行峭度值计算和主成分分析；5、根据得到特征向量，对对应的固有旋转分量进行重组得到新的振动信号；6、通过多重分形去趋势波动分析对重组后的振动信号进行分析；7、将广义Hurst指数作为电机的纵坐标，时间尺度作为电机的横坐标，描点到直角坐标系中得到表示电机不同状态的点。本发明专利技术利用固有时间尺度分解原始信号，在不同的尺度上捕获互补的、丰富的诊断信息，可以有效地获取不同尺度的状态特征。态特征。态特征。

【技术实现步骤摘要】
一种IDT和MFDFA的电液伺服系统中电机状态监测方法


[0001]本专利技术属于状态监测领域，具体涉及一种基于固有时间尺度分解(ITD)和去趋势波动分析(MF
‑
DFA)的电液伺服系统中电机的状态监测方法，它能够实时监控电液伺服系统中电机的健康状况，为电液伺服系统中电机的健康管理提供可靠的安全信息。

技术介绍

[0002]电液伺服系统被广泛的使用于船舶舰艇、武器装备中。其健康状况关系到整机设备的正常运行。在没有电液伺服系统的电机健康状况监测的情况下会造成因电机故障而带来设备的突然停机，严重影响生产工作，带来经济损失和安全事故。
[0003]电机出现健康状况衰退后，通常电液伺服系统整机设备还能够继续正常运行，但会随着电机的健康状况进一步衰退而导致设备停机或产生更加严重的后果。因此有必要对电机进行实时的健康状态监测，尽量在电机出现重大故障之前进行维护。
[0004]状态监测概念起源于20世纪60年代，它是先进测试、诊断技术集成的产物，有效的状态监测可以解答机电产品“是否能正常工作”“何时将出现故障”的问题。通常，机电产品状态监测主要指利用传感器技术获取产品的监测数据，并由监测专家系统分析得到设备运行状态的过程。
[0005]固有时间尺度分解(ITD)是一种信号分解技术，其能够将复杂信号分解成若干个相互独立的瞬时具有物理意义的固有旋转分量(PRC)之和。非常适合旋转机械复杂工作信号的分解。它的优点在于可以有效的提取信号的边缘轮廓和形状特征，运算简单高效。
[0006]多重分形去趋势波动分析(MF
‑
DFA)是在去趋势波动分析(DFA)的基础上通过对波动函数阶次范围的扩充，能够获得多重时间序列分形结构。计算获得相对波动函数阶次变化关系广义Hurst指数和奇异指数。
[0007]现有的电机健康管理办法多针对故障诊断，其只能够回答是否出现故障的问题，不能回答健康状态如何。如何有效的利用算法工具对电机状态评估，在没出现故障前提出预警是工程实际急需解决的问题。

技术实现思路

[0008]本专利技术的目的就是提供一种IDT和MFDFA的电液伺服系统中电机状态监测方法。
[0009]为了解决技术问题本专利技术提供如下的技术方案：
[0010]步骤1、数据预处理，过程如下：
[0011]将采集到的电液伺服系统电机振动信号进行预处理，其目的在于使得所有采集到的振动信号数据时长一致，且保证进行状态监测的数据是在同一工况下采集得到的；
[0012]步骤2、基于自适应函数小波降噪，过程如下：
[0013]将采集到的电机振动信号进行自适应阈值降噪，其中自适应阈值函数如下：
[0014][0015]其中v为小波系数；m,n为阈值函数的调整因子，其中m可用来确定阈值函数的形状；n用来确定阈值函数的渐近线，λ表示设定的阈值。
[0016]步骤3、固有时间尺度分解(ITD)，过程如下：
[0017]假设经过降噪后的振动信号为S
t
，设一个基线提取算子为L，将振动信号S
t
进行分解得到：
[0018]S
t
＝LS
t
+(1
‑
L)S
t
＝L
t
+H
t
ꢀꢀꢀꢀ
(2)
[0019]其中，L
t
＝τS
t
为基线信号，τ是基线信号对应的时刻，而H
t
＝(1
‑
τ)S
t
是固有旋转分量(PRC)。
[0020]设定S
p
和L
p
分别等同于和在连续的间隔区间[τ
i
,τ
i+1
]上，定义分段线性基线提取算子为：
[0021][0022]其中：
[0023][0024]上式中σ为用于调控固有转动分量幅度的线性缩放，σ∈[0,1]，τ
i
是信号时刻点。
[0025]通过分解得到的固有旋转分量表示振动信号S
t
中的局部相对高频成分。将上一次基线信号L
t
作为下一次的振动信号继续进行固有时间尺度分解，获得一系列按照频率段从高到低的不同排列的固有旋转分量，直至产生一个单调的残余趋势信号时分解结束。
[0026]在固有时间尺度下的分解过程为：
[0027][0028]其中，是第p个固有旋转分量(PRC)，为残余趋势分量，分解结束后固有旋转分量的个数为r。
[0029]步骤4、对固有旋转分量进行峭度值计算和主成分分析，过程如下：
[0030]步骤4.1计算步骤3中分解得到的各频层的固有旋转分量的峭度值k
p
，其计算公式如下：
[0031][0032]其中，μ为各层分解后的固有旋转分量的均值；σ为固有旋转分量的标准差。
[0033]步骤4.2对所有峭度值k
p
进行标准化处理，公式如下：
[0034][0035]其中，nk为标准化后的峭度值，mean()为均值函数，std()为标准方差函数；
[0036]步骤4.3对所有峭度值k
p
进行主成分分析，得到各个主成分对应的特征向量；
[0037]步骤5、根据步骤4得到的主成分的特征向量，对对应的固有旋转分量PRC进行重组得到新的振动信号x
j
。
[0038]步骤6、多重分形去趋势波动分析经过重组后的振动信号x
j
(j＝1,2,...,N)，分析过程如下：
[0039]步骤6.1对振动信号x
j
进行N次累计离差，构建新的信号轮廓Y(j):
[0040][0041][0042]其中,是重构后的振动信号x
j
的均值；
[0043]步骤6.2将信号轮廓Y(j)从正反两个方向分别进行两次分割，每个单元长度为c，形成2N
c
个不重叠的等长区间。使用最小二乘法拟合每段新生的子区间ε(ε＝1,2,...,2N
c
)，得到一阶或多阶的局部趋势函数y
ε
(j)，然后计算子区间ε的残差序列M
V
(j)。
[0044]当ε＝1,2,...,N
c
时：
[0045][0046]当ε＝N
c
+1,...,2N
c
时
[0047][0048]步骤6.3计算第q阶波动函数的平均值：
[0049][0050]步骤6.4设时间尺度为t
q
，当振动信号x
j
存在自相似特征时，第q阶波动函数的平均值M
q
和时间序列C之间存在幂律关系为：
[0051][0052]式中h
q
为广义Hurst指数，且若振本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种IDT和MFDFA的电液伺服系统中电机状态监测方法，其特征在于包括如下步骤：步骤1、数据预处理，过程如下：将采集到的电液伺服系统电机振动信号进行预处理，使得所有采集到的振动信号数据时长一致，且保证进行状态监测的数据是在同一工况下采集得到的；步骤2、将采集到的电机振动信号进行自适应阈值降噪；步骤3、对降噪后的振动信号S
t
进行固有时间尺度分解，得到的固有旋转分量；步骤4、对固有旋转分量进行峭度值计算和主成分分析；步骤5、根据得到的主成分的特征向量，对对应的固有旋转分量进行重组得到新的振动信号x
j
；步骤6、通过多重分形去趋势波动分析对重组后的振动信号x
j
进行分析；步骤7、将步骤6中计算得到的广义Hurst指数作为电机的纵坐标，时间尺度t
q
作为电机的横坐标，描点到直角坐标系中得到表示电机不同状态的点。2.根据权利要求1所述的一种IDT和MFDFA的电液伺服系统中电机状态监测方法，其特征在于步骤2所述的自适应阈值函数如下：其中v为小波系数；m，n为阈值函数的调整因子，其中m可用来确定阈值函数的形状；n用来确定阈值函数的渐近线，λ表示设定的阈值。3.根据权利要求1所述的一种IDT和MFDFA的电液伺服系统中电机状态监测方法，其特征在于步骤3固有时间尺度分解过程如下：假设经过降噪后的振动信号为S
t
，设一个基线提取算子为L，将振动信号S
t
进行分解得到：S
t
＝LS
t
+(1
‑
L)S
t
＝L
t
+H
t
ꢀꢀꢀꢀ
(2)其中，L
t
＝τS
t
为基线信号，τ是基线信号对应的时刻，而H
t
＝(1
‑
τ)S
t
是固有旋转分量(PRC)。设定S
p
和L
p
分别等同于和在连续的间隔区间[τ
i
，τ
i+1
]上，定义分段线性基线提取算子为：其中：上式(4)中σ为用于调控固有转动分量幅度的线性缩放，σ∈[0，1]，τ
i
是信号时刻点；通过分解得到的固有旋转分量表示振动信号S
t
中的局部相对高频成分；并将上一次基线信号L
...

【专利技术属性】
技术研发人员：周籽佑，陈文华，贺青川，马建峰，潘骏，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：