基于平均峭度反卷积网络的故障诊断方法及系统技术方案

本申请提供一种基于平均峭度反卷积网络的故障诊断方法及系统，基于平均峭度反卷积网络的故障诊断方法，包括基于自相关函数将每一滤波器的输入信号划分为m段分割信号；利用平均峭度的最大化计算每一所述分割信号的梯度，并利用L

【技术实现步骤摘要】
基于平均峭度反卷积网络的故障诊断方法及系统


[0001]本申请涉及基于振动信号的齿轮箱故障诊断
，具体涉及一种基于平均峭度反卷积网络的故障诊断方法及系统。

技术介绍

[0002]随着现代工业的发展，旋转机械已成为航空航天工程、轨道交通、发电等各个领域不可缺少的设备。旋转机械主要的承载部件包括齿轮箱、齿轮、轴等，承载部件经过长时间的负载运行，通常容易发生故障，造成机器损坏甚至人员伤亡。因此，对这些部件的状态监测具有重要意义，也引起了工程界和研究界的极大关注。
[0003]振动分析作为监测旋转机械的一种重要方法，长期以来一直是研究人员关注的焦点。基于振动信息提取客观故障特征的方法很多，如小波变换方法、奇异值分解方法、频谱分析方法等。
[0004]同时峭度法和反卷积的方法在在故障特征提取方面表现出突出的性能，数字反卷积的实质是通过寻找最优滤波器系数来设计FIR滤波器，使滤波后的信号能最大限度地逼近反卷积目标。因此，去卷积目标的选择对滤波性能具有相当大的影响。针对不同反卷积目标的特征提取要求，提出了多种滤波器系数的优化方法。如最小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平均峭度反卷积网络的故障诊断方法，其特征在于，包括：基于自相关函数将每一滤波器的输入信号划分为m段分割信号；利用平均峭度的最大化计算每一所述分割信号的梯度，并利用L
‑
BFGS算法对每一所述滤波器的权值进行更新；循环梯度计算和权值更新的步骤，直至满足预设条件，输出每一所述滤波器系数及滤波信号；基于功率谱的数据分析降维输出最大平均峭度层的信号；利用卷积神经网络针对所述最大平均峭度层的信号进行特征提取；利用分类器获取故障诊断和分类。2.根据权利要求1所述的基于平均峭度反卷积网络的故障诊断方法，其特征在于，在所述基于自相关函数将每一滤波器的输入信号划分为m段分割信号步骤之前，还包括：初始化滤波器系数，使得初始滤波器被均匀地分布至整个频带中。3.根据权利要求1所述的基于平均峭度反卷积网络的故障诊断方法，其特征在于，所述基于自相关函数将每一滤波器的输入信号划分为m段分割信号的步骤包括：将输入信号延时同等长度，获得一延时信号；归一化处理自相关系数；获取故障周期的长度；利用所述延时信号长度除以故障周期长度并取整，获取所述分割信号的数量m。4.根据权利要求1所述的基于平均峭度反卷积网络的故障诊断方法，其特征在于，所述利用平均峭度的最大化计算每一所述分割信号的梯度，并利用L
‑
BFGS算法对每一所述滤波器的权值进行更新的步骤包括：采用平均峭度作为代价函数：其中，AK表示平均峭度，y
n
表示y中第n个采样点，
NT
表示整个输入信号划分的个数，n
m
表示第m段分割信号中的第一个采样点，K
m
表示第m段分割信号的峭度；获取平均峭度最大化：其中，AK表示平均峭度，N
T
表示整个输入信号划分的个数，K
m
表示第m段分割信号的峭度；计算平均峭度相对于滤波器系数的导数：其中，y
n
表示y中第n个采样点，x(n)表示故障信号x中第n个采样点，W表示需要优化的滤
波器，L表示滤波器长度；计算所述分割信号的梯度：其中，AK
m
表示第m...

【专利技术属性】
技术研发人员：高清维，姚执一，卢一相，竺德，孙冬，赵大卫，彭思远，周子杨，
申请(专利权)人：安徽大学，
类型：发明
国别省市：