基于振动能量趋势的卡尔曼滤波工况识别方法、系统技术方案

本发明专利技术公开了一种基于振动能量趋势的卡尔曼滤波工况识别方法、系统，方法包括：采集待识别旋转机械设备的振动信号；对振动信号取绝对值，获得信号的振动趋势；预设窗宽Ⅰ、滑移步长Ⅰ，使用加窗滑移的方式计算窗口内信号振动趋势的均方根值，获得信号的振动能量趋势；利用卡尔曼滤波算法对振动能量趋势进行滤波，获得卡尔曼滤波优化能量趋势；预设窗宽Ⅱ、滑移步长Ⅱ，对卡尔曼滤波优化能量趋势在当前预设窗口内的能量幅值均值大小进行判别，确定工况类型。本发明专利技术具有信号处理精度高、实时性好、适应性强等优点，可以有效地识别机械设备的运行工况。工况。工况。

【技术实现步骤摘要】
基于振动能量趋势的卡尔曼滤波工况识别方法、系统


[0001]本专利技术涉及一种基于振动能量趋势的卡尔曼滤波工况识别方法、系统，属于机械设备工况识别领域。

技术介绍

[0002]随着机械智能化的发展，各种机械设备的加工工况日益复杂。在连续采集的信号中包含着各种运行状态的数据，其中包括了用于后续分析的稳态数据以及大量的冗余数据，但是只有稳态数据对故障的分析和预测有意义，因此，识别设备的运行工况并提取稳态数据具有重要研究意义。
[0003]传统的机械设备工况识别方法通常依赖于测量温度、压力等物理量或者通过辅助信号(如电流信号、转速转矩信号等)进行分析识别。然而，这些方法存在一些缺点，如受环境干扰影响较大、信号噪声干扰较多并且占用硬件资源大等。

技术实现思路

[0004]本专利技术提供了一种基于振动能量趋势的卡尔曼滤波工况识别方法、系统，以用于实现旋转机械设备工况识别，并进一步将其用于滚珠丝杠副模拟试验台的工况识别。
[0005]本专利技术的技术方案是：
[0006]根据本专利技术的一方面，提供了一种基于振动能量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，包括：采集待识别旋转机械设备的振动信号；对振动信号取绝对值，获得信号的振动趋势；预设窗宽Ⅰ、滑移步长Ⅰ，使用加窗滑移的方式计算窗口内信号振动趋势的均方根值，获得信号的振动能量趋势；利用卡尔曼滤波算法对振动能量趋势进行滤波，获得卡尔曼滤波优化能量趋势；预设窗宽Ⅱ、滑移步长Ⅱ，对卡尔曼滤波优化能量趋势在当前预设窗口内的能量幅值均值大小进行判别，确定工况类型。2.根据权利要求1所述的基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，采集待识别旋转机械设备的振动信号的方式为连续采集，机械设备的运行状态工况包括加速、匀速、减速和静止状态工况。3.根据权利要求1所述的基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，使用加窗滑移的方式计算窗口内信号振动趋势的均方根值时，设置滑移步长Ⅰ为一个窗宽Ⅰ；其中，采集待识别旋转机械设备的振动信号的采样频率为窗宽Ⅰ的整数倍且窗宽Ⅰ为正整数。4.根据权利要求1所述的基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，所述窗宽Ⅰ为采样频率值的一百分之一。5.根据权利要求1所述的基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，所述利用卡尔曼滤波算法对振动能量趋势进行滤波，获得卡尔曼滤波优化能量趋势，具体为：将振动能量趋势在不同时刻上的均方根值作为观测量，利用卡尔曼滤波算法对振动信号的能量趋势进行滤波，获得卡尔曼滤波优化能量趋势。6.根据权利要求1所述的基于振动能量趋势的卡尔曼滤波工况识别方法，其特征在于，所述预设窗宽Ⅱ、滑移步长Ⅱ，对卡尔曼滤波优化能量趋势在当前预设窗口内的能量幅值均值大小进行判别，确定工况类型，包括：预设窗宽Ⅱ为正整数，滑移步长Ⅱ设置为1；对卡尔曼滤波优化能量趋势在当前预设窗口内的能量幅值均值大小进...

【专利技术属性】
技术研发人员：刘畅，黄立基，王熙，常国超，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：