基于特征导向正则参数的旋转机械稀疏表示诊断方法技术

公开了基于特征导向正则参数的旋转机械稀疏表示诊断方法，方法中，采集旋转机械轴承端盖处的振动加速度信号；设定信号分解字典为傅里叶基与正交小波基组成的复合冗余字典；利用最小角回归算法求解所采集的振动加速度信号在复合冗余字典中对应的稀疏表示系数，得到l1范数约束的凸优化问题的解路径；分别利用最小角回归算法中每一步得到的临时解，重构出多个待选特征信号，其中每个待选特征信号对应某个正则参数下该凸优化问题的临时解；分别计算每个待选特征信号的特征存在指标FP，其中最大的特征存在指标FP对应最优的正则参数设定和最优的故障特征信号；通过判断故障特征信号的包络解调谱中是否有显著故障特征频率以进行旋转机械故障诊断。旋转机械故障诊断。旋转机械故障诊断。

【技术实现步骤摘要】
基于特征导向正则参数的旋转机械稀疏表示诊断方法


[0001]本专利技术涉及旋转机械故障诊断
，尤其涉及一种基于特征导向正则参数的旋转机械稀疏表示诊断方法。

技术介绍

[0002]稀疏表示故障诊断方法将机械振动信号分解到冗余波形字典中，最终通过稀疏表示系数重构出故障特征信号，实现旋转机械的故障特征提取与诊断
[1，2]。稀疏表示算法通过求解l0范数或l1范数约束的优化问题能够得到信号在字典中对应稀疏表示系数，然而稀疏表示算法中正则参数λ的选择对特征重构起到至关重要的作用。但是，现有正则参数选择主要基于在加性白噪声信号模型下导出的固定参数设定公式，实际信号中的噪声往往不满足白噪声假设，因此重构的去噪信号往往无法揭示故障特征。此外，现有正则参数的设定也可采用“试错”方法：在各个正则参数设定下，对比选择出特征重构最好的信号。这类“试错”方法处理速度较慢，参数选择也过于依赖诊断人员的主观判断。
[0003]在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

[0004]本专利技术的目的是提供一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，解决了现有稀疏表示算法中正则参数选择难的问题，实现在任意噪声分布下故障特征信号的有效提取，进而实现精准的旋转机械故障诊断。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]本专利技术的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法包括：
[0007]步骤1，采集旋转机械的振动加速度信号；
[0008]步骤2，设定信号分解字典为傅里叶基与正交小波基组成的复合冗余字典；
[0009]步骤3，利用最小角回归算法求解所采集的振动加速度信号在复合冗余字典中对应的稀疏表示系数，得到l1范数约束的凸优化问题的解路径；
[0010]步骤4，分别利用最小角回归算法中每一步得到的临时解，重构出多个待选特征信号，其中每个待选特征信号对应一个正则参数下该凸优化问题的临时解；
[0011]步骤5，分别计算每个待选特征信号的特征存在指标FP，其中最大的特征存在指标FP对应最优的正则参数设定和最优的故障特征信号；
[0012]步骤6，通过判断故障特征信号的包络解调谱中是否有显著的故障特征频率以进行旋转机械故障诊断。
[0013]一种基于特征导向正则参数的旋转机械稀疏表示诊断方法中，l1范数约束的凸优化问题的数学表述如下：
[0014][0015]其中，y为含噪振动加速度信号；A为复合冗余字典；x为稀疏表示系数；λ为正则参数；||
·
||2表示向量的l2范数；||
·
||1表示向量的l1范数，argmin表示当其后的函数取最小值时，所对应的x取值，记为
[0016]一种基于特征导向正则参数的旋转机械稀疏表示诊断方法中，重构出多个待选特征信号的方法为：其中是最小角回归算法求得解路径上的稀疏表示系数；y
i
是重构的第i个待选特征信号。
[0017]一种基于特征导向正则参数的旋转机械稀疏表示诊断方法中，特征存在指标FP的计算步骤为：
[0018]步骤5
‑
1，计算重构的待选特征信号的解析信号：其中为重构的待选特征信号y的希尔伯特变换，j是虚数单位；
[0019]步骤5
‑
2，计算待选特征信号y的包络解调谱ES
y
(f
k
)：
[0020][0021]其中，t为时间；y
a
(n)表示待选特征信号的解析信号y
a
在离散时间n时的值；y
a
的离散频率f
k
＝k/N(k＝1，2，
…
，N)，k为离散谱线数；N为y
a
的长度；
[0022]步骤5
‑
3，使用移动中位数μ
MED
和移动绝对偏差中位数σ
MAD
对包络解调谱进行标准化，其公式表示为：式中表示标准化的包络解调谱；f
k
为离散频率；μ
MED
(f
k
)、σ
MAD
(f
k
)分别为移动中位数和移动绝对偏差中位数在f
k
处的值；
[0023]步骤5
‑
4，在假设检验框架下，设定显著水平α为0.05，则标准化的包络解调谱中的谱线幅值的95％分为数λ
0.95
被定为特征显著性阈值；
[0024]步骤5
‑
5，在故障特征频率α
c1
附近，设定搜索频带为[α
c1
‑
0.05α
c1
，α
c1
+0.05α
c1
]，搜索频带内的最高谱线幅值为m1，则特征存在指标FP分量的计算公式如下：
[0025][0026]步骤5
‑
6，在故障特征频率的高次谐波2α
c1
、3α
c1
处按步骤5
‑
5计算指标分量F2和F3，则最终特征存在指标FP为各分量的算术平均值：FP＝(F1+F2+F3)/3。
[0027]在上述技术方案中，本专利技术提供的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，具有以下有益效果：本专利技术的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法利用最小角回归算法能够高效得到稀疏表示优化问题的解路径，即稀疏表示系数随正则参数变化的曲线，通过设计特征存在指标FP，从诊断原理出发，直接选出最优正则参数对应的最优故障特征信号，从而克服传统基于固定正则参数设定公式所依赖的加性白噪声假设，提高稀疏故障诊断方法适用范围和实际应用效果。
附图说明
[0028]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所
需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术中基于特征导向正则参数的旋转机械稀疏表示诊断方法的流程示意图；
[0030]图2为本专利技术中基于特征导向正则参数的旋转机械稀疏表示诊断方法的特征存在指标FP的计算流程示意图；
[0031]图3(a)至图3(c)为本专利技术中基于特征导向正则参数的旋转机械稀疏表示诊断方法的包络解调谱标准化过程的示意图，其中，图3(a)为本专利技术中基于特征导向正则参数的旋转机械稀疏表示诊断方法的重构的待选特征信号的包络解调谱；图3(b)是标准化的包络解调谱；图3(c)是根据95％分位数选出的谱线幅值特征显著性阈值的示意图；
[0032]利用移动中位数μ
MED
和移动绝对偏差中位数σ
M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，其特征在于，其包括以下步骤：步骤1，采集旋转机械的振动加速度信号；步骤2，设定信号分解字典为傅里叶基与正交小波基组成的复合冗余字典；步骤3，利用最小角回归算法求解所采集的振动加速度信号在复合冗余字典中对应的稀疏表示系数，得到l1范数约束的凸优化问题的解路径，其中，解路径为不同正则参数所对应的优化问题的解集合；步骤4，分别利用最小角回归算法中每一步得到的临时解，重构出多个待选特征信号，其中每个待选特征信号对应一个正则参数下的凸优化问题的临时解；步骤5，分别计算每个待选特征信号的特征存在指标FP，其中最大的特征存在指标所对应的正则参数、待选特征信号为最优的正则参数设定和最优的故障特征信号；步骤6，通过判断最优的故障特征信号的包络解调谱中是否有显著的故障特征频率以进行旋转机械故障诊断，其中，在故障特征频率处谱线幅值突出地高于其他谱线幅值，则表明存在显著的故障特征频率，其中，以所有谱线的95％分位数作为阈值，此处谱线幅值超出所述阈值认为是存在显著的故障特征频率。2.根据权利要求1的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，其特征在于，优选的，l1范数约束的凸优化问题的数学表述如下：其中，y为含噪振动加速度信号；A为复合冗余字典；x为稀疏表示系数；λ为正则参数；||
·
||2表示向量的l2范数；||
·
||1表示向量的l1范数，argmin表示当其后的函数取最小值时，所对应的x取值，记为3.根据权利要求2的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，其特征在于，重构出多个待选特征信号的方法为：其中是最小角回归算法求得解路径上的稀疏表示系数；y
i
是重构的第i个待选特征信号。4.根据权利要求3的一种基于特征导向正则参数的旋转机械稀疏表示诊断方法，其特征在于，特征存在指标FP的计算步骤为：步骤5
‑
1，计算重构的待选特征信号的解析信号y
a
：其中为重构的待选特征信号y的希尔伯特变换，j是虚数单位；步骤5
‑
2，计算待选特征信号y的包络解调谱ES

【专利技术属性】
技术研发人员：孙若斌，翟智，陈雪峰，杨志勃，苏宇峰，杨来浩，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：