基于图像信息回归分析的旋转机械健康状态评估方法技术

本发明专利技术公开了一种基于图像信息回归分析的旋转机械健康状态评估方法，包括采集待评估旋转机械核心零部件的振动信号，对振动信号构成的时间序列进行信息融合获得合成信号，采取连续小波变换对合成信号进行分析得到时频图像，对时频图像进行预处理，获得压缩后的灰度时频图像，采取本征正交分解对灰度时频图像从空间域角度进行解析获取一阶图像，根据旋转机械运行时间进行一阶图像的健康因子标定，利用卷积神经网络建立一阶图像分量与健康因子之间的对应模型，实现对未知状态待评估旋转机械核心零部件健康状态的评估。采用本发明专利技术能够准确获取各类旋转机械核心零部件的健康状态，提高各类旋转机械核心零部件智能运维水平。高各类旋转机械核心零部件智能运维水平。高各类旋转机械核心零部件智能运维水平。

【技术实现步骤摘要】
基于图像信息回归分析的旋转机械健康状态评估方法


[0001]本专利技术属于机械设备状态监测与故障诊断领域，涉及一种基于图像信息回归分析的旋转机械健康状态评估方法。

技术介绍

[0002]近年来随着传感器测试技术、数字信号处理和机器学习等领域的快速发展，基于数据驱动的机械设备健康状态评估方法取得了丰富成果，在能源电力、轨道交通、航天军工等领域得到了广泛应用。这类研究多以故障模式分类为目标，虽然也开展了对于故障程度的判定，但其本质仍是分类模型为主。然而，机械设备在一定负载下经过长期运行，其状态不可避免地逐步走向退化，这种退化过程所处阶段与设备健康状态息息相关。随着信息智能化水平的提高，机械设备的健康监测要求不断提高，健康状态和寿命预测等内容愈发重要，相应的状态监测与故障诊断技术也在快速地由定性分类诊断向定量程度识别发展，因此，实现从故障诊断到健康评估这一过度目标，是近期状态监测与故障诊断领域的主要发展方向和目标。
[0003]这类技术研究中通常会以构建高质量健康因子为依据实现故障定量表征和设备健康管理，合理有效地构建健康因子是实现评估机械设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，包括以下步骤：步骤1，采集待评估旋转机械核心零部件的振动信号；步骤2，对振动信号构成的时间序列进行信息融合，获得合成信号；步骤3，采取连续小波变换对合成信号进行分析，得到时频图像；步骤4，对时频图像进行预处理，获得压缩后的灰度时频图像；步骤5，采取本征正交分解对压缩后的灰度时频图像从空间域角度进行解析获取一阶图像；步骤6，根据旋转机械运行时间进行一阶图像的健康因子标定；步骤7，利用卷积神经网络建立一阶图像分量与健康因子之间的对应模型，实现对未知状态待评估旋转机械核心零部件健康状态的评估。2.根据权利要求1所述的基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，所述步骤1包括通过加速度传感器采集待评估旋转机械核心零部件的全寿命周期振动信号，采集振动信号包含相互垂直的两个方向，采取多通道同步采集，相应振动幅值信号分别记为f
x
(t)和f
y
(t)。3.根据权利要求2所述的基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，所述步骤3中，先设ψ(t)是一个在局部区域内有定义，超出这个区域则趋于零的函数，并且函数的均值为零，称ψ(t)为母小波，函数表达式为：其中w0表示中心频率，i表示复三角函数中的复数标识符，t表示时间；记待分析合成信号f(t)属于空间L2(R)，则合成信号f(t)的连续小波变换为：其中，p为尺度，p>1则信号波形收缩，p<1则信号波形伸展，q为位移，f(t)为合成信号，是对ψ
p,q
根据复频域内积定义取其复共轭，ψ
p,q
是由母小波ψ(t)进行尺度伸缩和时间平移得到一系列小波基函数ψ
p,q
，如下式所示：变换结果W
f
(p,q)表示母小波选一个基础中心频率，然后通过尺度变换得到一系列不同中心频率，再通过时移得到一系列不同区间的基函数，然后分别和原始信号的某一区间乘积再积分，产生的极值对应的频率就是原始信号这一区间含有的频率，变换后即得到待分析信号时间和频率的关系，将其绘制为图像，即为连续小波变换的时频图像。4.根据权利要求1所述的基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，所述步骤4中，对时频图像进行预处理，包括图像尺寸压缩和灰度化处理。5.根据权利要求3所述的基于图像信息回归分析的旋转机械健康状态评估方法，其特征在于，所述步骤5中，采...

【专利技术属性】
技术研发人员：徐卓飞，黄朝霞，侯和平，奚佳辰，赵庆海，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：