故障检测方法技术

本申请提供一种故障检测方法

【技术实现步骤摘要】
故障检测方法、装置、计算机设备和存储介质


[0001]本申请涉及设备检测
，具体涉及一种故障检测方法
、
装置
、
计算机设备和存储介质
。

技术介绍

[0002]轴承机械是广泛应用于各行各业的重要设备，其种类繁多且占比巨大
。
常见的轴承设备包括发电机
、
汽轮机
、
飞机引擎
、
水泵
、
通风机等等
。
为保障这些机械的安全正常运作，对设备的振动信号进行监测以确定其中是否存在故障至关重要
。
具体的，在对机械设备进行故障诊断时，通常需要先从振动信号中分离出描述故障成分的故障信号
。
[0003]然而，由于一些故障特征往往会和设备固有频率发生复杂的调制现象，因此，在不清楚故障特征以及设备固有频率的情况下，往往难以从振动信号中分离得到精确的故障信号，从而影响到后续利用故障信号分析得到设备故障的精确度
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种故障检测方法
、
装置
、
计算机设备和存储介质，用以解决现有的故障检测方法存在的故障信号分离结果不够精确从而影响到设备故障检测结果的问题
。
[0005]第一方面，本申请提供一种故障检测方法，包括：获取待检测设备的初始振动信号，并对所述初始振动信号进行分解，得到多个本征模态函数分量；根据所述多个本征模态函数分量的观测值的聚类结果，确定所述本征模态函数分量中振动源信号之间的混合系数；根据所述混合系数对所述本征模态函数分量进行稀疏分解，得到多个振动源信号；基于所述振动源信号的信号稀疏性的分析指标从所述振动源信号中确定目标故障源信号
。
[0006]作为本申请的一种可行实施例，所述根据所述多个本征模态函数分量的观测值的聚类结果，确定所述本征模态函数分量中振动源信号之间的混合系数，包括：对所述本征模态函数分量进行短时傅里叶变换，得到所述本征模态函数分量在时频双通道上的时频观测值；对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比；根据所述多个振动源信号对应的时频比计算所述本征模态函数分量中振动源信号之间的混合系数
。
[0007]作为本申请的一种可行实施例，所述对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比，包括：
基于模糊聚类对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比
。
[0008]作为本申请的一种可行实施例，所述对所述初始振动信号进行分解，得到多个本征模态函数分量，包括：构建多个初始本征模态函数分量；对所述初始本征模态函数分量进行希尔伯特变换，得到解析信号以及所述解析信号对应的初始中心频率；基于预设的约束条件，通过交替方向乘子法对所述解析信号以及所述初始中心频率进行迭代计算，得到多个本征模态函数分量
。
[0009]作为本申请的一种可行实施例，所述根据所述混合系数对所述本征模态函数分量进行稀疏分解，得到多个振动源信号，包括：基于
L1
范数的规范化方法对所述本征模态函数分量进行稀疏分解，得到多个振动源信号在时频双通道上的时频观测信号；对所述时频观测信号进行短时傅里叶逆变换，得到多个振动源信号
。
[0010]作为本申请的一种可行实施例，所述基于所述振动源信号的信号稀疏性的分析指标从所述振动源信号中确定目标故障源信号，包括：基于所述振动源信号的信号稀疏性的分析指标计算各所述振动源信号对应的稀疏度；所述分析指标包括包络熵值
、
包络总值
、
峭度以及谱峭度中的至少一种；将所述振动源信号中稀疏度最高的信号确定为目标故障源信号
。
[0011]作为本申请的一种可行实施例，所述基于所述振动源信号的信号稀疏性的分析指标从所述振动源信号中确定目标故障源信号的步骤之后，所述方法还包括：计算所述目标故障源信号的正包络信号；对所述正包络信号进行离散傅里叶变换得到所述目标故障源信号的共振解调谱；根据所述共振解调谱确定所述待检测设备的故障检测结果
。
[0012]第二方面，本申请提供一种故障检测装置，包括：获取模块，用于获取待检测设备的初始振动信号，并对所述初始振动信号进行分解，得到多个本征模态函数分量；聚类模块，用于根据所述多个本征模态函数分量的观测值的聚类结果，确定所述本征模态函数分量中振动源信号之间的混合系数；分解模块，用于根据所述混合系数对所述本征模态函数分量进行稀疏分解，得到多个振动源信号；确定模块，用于基于所述振动源信号的信号稀疏性的分析指标从所述振动源信号中确定目标故障源信号
。
[0013]第三方面，本申请还提供一种计算机设备，所述计算机设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述任一项提供的故障检测方法
。
[0014]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述
计算机程序被处理器进行加载，以执行上述任一项所述的故障检测方法
。
[0015]本申请实施例提供的故障检测方法，先对得到的设备的振动信号进行信号分解，得到多个本征模态函数分量，然后本征模态函数分量的观测值的聚类结果估计出设备各个振动源信号之间的混合系数，从而完成对本征模态函数分量的稀疏分解，得到多个振动源信号，从而便于后续利用振动源信号的稀疏性确定出最终的目标故障源信号
。
本申请的有益效果为能够从振动信号中分解筛选出最能反应故障的目标故障源信号，从而保证了后续进一步利用目标故障源信号确定设备的故障检测结果的精确度
。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0017]图1为本申请实施例提供的一种故障检测方法的步骤流程示意图；图2为本申请实施例提供的一种对初始振动信号进行变分模态分解以得到本征模态函数分量的步骤流程示意图；图3为本申请实施例提供的一种基于时频双通道对本征模态函数分量的进行聚类以得到混合系数的步骤流程示意图；图4为本申请实施例提供的一种对本征模态函数分量进行稀疏分解的步骤流程示意图；图5为本申请实施例提供的一种基于信号稀疏性指标确定故障源信号的步骤流程示意图；图6为本申请实施例提供的一种基于故障源信号确定设备故障的步骤流程示意图；图
7a
为本申请实施例所采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种故障检测方法，其特征在于，包括：获取待检测设备的初始振动信号，并对所述初始振动信号进行分解，得到多个本征模态函数分量；根据所述多个本征模态函数分量的观测值的聚类结果，确定所述本征模态函数分量中振动源信号之间的混合系数；根据所述混合系数对所述本征模态函数分量进行稀疏分解，得到多个振动源信号；基于所述振动源信号的信号稀疏性的分析指标从所述振动源信号中确定目标故障源信号
。2.
根据权利要求1所述的故障检测方法，其特征在于，所述根据所述多个本征模态函数分量的观测值的聚类结果，确定所述本征模态函数分量中振动源信号之间的混合系数，包括：对所述本征模态函数分量进行短时傅里叶变换，得到所述本征模态函数分量在时频双通道上的时频观测值；对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比；根据所述多个振动源信号对应的时频比计算所述本征模态函数分量中振动源信号之间的混合系数
。3.
根据权利要求2所述的故障检测方法，其特征在于，所述对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比，包括：基于模糊聚类对所述本征模态函数分量在时频双通道上的时频观测值进行聚类，得到所述本征模态函数分量中多个振动源信号对应的时频比
。4.
根据权利要求1所述的故障检测方法，其特征在于，所述对所述初始振动信号进行分解，得到多个本征模态函数分量，包括：构建多个初始本征模态函数分量；对所述初始本征模态函数分量进行希尔伯特变换，得到解析信号以及所述解析信号对应的初始中心频率；基于预设的约束条件，通过交替方向乘子法对所述解析信号以及所述初始中心频率进行迭代计算，得到多个本征模态函数分量
。5.
根据权利要求1所述的故障检测方法，其特征在于，所述根据所述混合系数对所述本征模态函数分量进行稀疏分解，得到多个振动源信号，包括：基于
L1
范数的规范化方法对所述本征模态函数分量进行稀疏分解，得到...

【专利技术属性】
技术研发人员：徐驰，李惠军，
申请(专利权)人：利维智能深圳有限公司，
类型：发明
国别省市：