一种数据扩增方法、旋转机械故障诊断方法和装置制造方法及图纸

本发明专利技术公开一种数据扩增方法、旋转机械故障诊断方法和装置。在有限的故障状态数据的情况下，使得小样本数据得到有效扩增，并保持足够的相似性和多样性。将扩增后的数据应用在旋转机械故障诊断时，使得诊断结果的准确性大大提高。数据扩增方法包括以下步骤：采集旋转机械的故障信号；从故障信号中任意截取长度为N的连续数据点作为原始有限故障信号x；构建随机测量矩阵，将原始有限故障信号从高维空间投影至低维空间，以获得多样的压缩信号y；对多样的压缩信号y进行信号重构，获得稀疏系数对稀疏系数进行傅里叶逆变换，获得多样的重构信号即由多样的重构信号构成扩增样本。构成扩增样本。构成扩增样本。

【技术实现步骤摘要】
一种数据扩增方法、旋转机械故障诊断方法和装置


[0001]本专利技术涉及机械故障诊断
，尤其涉及一种数据扩增方法、旋转机械故障诊断方法和装置。

技术介绍

[0002]在现代工业中，旋转机械日益向复杂化、智能化方向发展，对其运行状态进行监测可以有效避免机械故障造成的重大损失。因此，研究有效的旋转机械故障诊断方法具有重要意义。
[0003]然而，在实际应用中，多数情况下机器是在健康的工作条件下运行。一旦发生故障，为了保障生命财产安全、降低维护成本以及避免更严重的事故，机器通常会立即停机，再加上传感器安装或运行条件限制等，导致采集到的故障状态数据有限，而且无法通过故障重现方式弥补。此外，由于传输通道带宽、传输速率和计算能力的限制，也有可能只有极少数采集的信号处于故障状态，在故障状态数据有限的情况下，进一步还会存在故障状态数据漏采或在传输过程中丢失等问题，最终导致获取到的故障状态数据非常有限。传统的旋转机械故障诊断方法难以解决故障状态数据有限的问题，严重影响机械设备故障诊断的准确性。
[0004]为了解决故障状态数据有限的问题，数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据扩增方法，其特征在于，包括以下步骤：S10.采集旋转机械的故障信号；S11.从所述故障信号中任意截取长度为N的连续数据点作为原始有限故障信号x；S12.构建随机测量矩阵，将所述原始有限故障信号x从高维空间投影至低维空间，以获得多样的压缩信号y；S13.对所述多样的压缩信号y进行信号重构，获得稀疏系数S14.对所述稀疏系数进行傅里叶逆变换，获得多样的重构信号即由所述多样的重构信号构成扩增样本。2.根据权利要求1所述的数据扩增方法，其特征在于，所述原始有限故障信号为x，x＝[x1，x2，x3，...，x
N
]
T
，N不小于旋转机械所包括的故障部件旋转两圈所包含的点数。3.根据权利要求1所述的数据扩增方法，其特征在于，所述随机测量矩阵是高斯随机测量矩阵、伯努利随机测量矩阵或稀疏随机测量矩阵中的任意一种。4.根据权利要求3所述的数据扩增方法，其特征在于，在所述随机测量矩阵是高斯随机测量矩阵的情况下，将所述原始有限故障信号x从高维空间投影至低维空间，以获得多样的压缩信号y，包括：构建多样的高斯随机测量矩阵Φ∈R
M
×
N
；通过投影操作y＝Φx将所述原始有限故障信号x从高维空间投影到低维空间，获得多样的压缩信号y，y＝[y1，y2，y3，...，y
M
]
T
，其中，M是压缩信号的维度，N为原始有限故障信号的维度。5.根据权利要求4所述的数据扩增方法，其特征在于，将所述原始有限故障信号x从高维空间投影到低维空间，获得多样的压缩信号y的过程中的压缩采样率为CSR，其中，M是压缩信号的维度，N为原始有限故障信号的维度。6.根据权利要求5所述的数据扩增方法，其特征在于，0.1≤CSR≤1。7.根据权利要求1所述的数据扩增方法，其特征在于，采用正交匹配追踪算法对所述多样的压缩信号进行信号重构，获得稀疏系数，具体包括以下步骤：输入：M
×
1维压缩测量值y，M
×
N维的传感矩阵A＝ΦΨ...

【专利技术属性】
技术研发人员：唐刚，王冬冬，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：