【技术实现步骤摘要】
本专利技术属于智能制造领域，尤其是一种旋转机械高维数据-时空融合状态监测方法。
技术介绍
1、旋转机械在工业中有越来越重要的作用。工厂中旋转机械经常会发生故障停机事件，而研究发现大部分的问题都发生在旋转部件上。这些故障往往是一个或几个轴承轻微的退化或者疲劳，然而带来了远高于轴承成本的损失，因此，实时监测旋转机械部件的运行状态意义重大。
2、然而，工厂环境复杂，轴承运转振动信号受到环境的影响巨大，首先是各种信源的振动信号，其次是由摩擦等带来的噪声信号，这些因素往往使得振动信号的幅值、频率远离理想值，为状态检测带来困难。由于轴承的运行具有高度的时空特性，将振动信号分离出相互正交的时空分布，一定程度上能够减少时间与空间分布对于振动信号的干扰。
技术实现思路
1、为解决现有技术中的至少一个技术问题，本专利技术实施例提供一种旋转机械高维数据-时空融合状态监测方法，将一维振动信号提升至高维进行时空分离操作，提升数据的可挖掘性，充分挖掘时空的耦合特征，构建健康状态监测指标，实现旋转设备中旋转部件的状态监测和故障预警。为实现以上技术目的，本专利技术实施例采用的技术方案是：
2、第一方面，本专利技术实施例提供了一种旋转机械高维数据-时空融合状态监测方法，包括以下步骤：
3、步骤s10，将采集的一个一维振动信号作为样本，按照间隔为1的顺序构建n行的汉克尔矩阵，实现数据升维，并移除汉克尔矩阵所有列的均值；
4、步骤s20，基于经验正交分解方法，首先得出振动
5、步骤s30，为获得汉克尔矩阵在空间分布上的投影长度，求贡献率向量的范数，取其对数作为健康状态监测指标hi(td)；
6、步骤s40，评估健康状态监测指标hi(td)变化趋势，基于3σ法则，利用旋转部件健康状态下的健康状态监测指标数据设置预警阈值，当健康状态监测指标hi(td)超过预警阈值时，发出报警。
7、进一步地，步骤s10中，样本为v＝(v1,v2,…vn)t，其中，v1,v2,…vn为样本的n个采样值；
8、构建n行的汉克尔矩阵表示为：
9、
10、移除汉克尔矩阵所有列的均值的方法为：
11、
12、v表示移除所有列的均值后的汉克尔矩阵；表示向量ai中所有的元素减去其均值。
13、进一步地，步骤s20中，
14、协方差矩阵表示为：
15、cov＝vtv (3)
16、特征向量si和特征值λi满足下列条件：
17、covsi＝λisi (4)
18、样本的空间分布矩阵为：
19、s＝(s1,s2,…si…,sn)t (5)
20、贡献率向量为：
21、λ↓＝(λ1,λ2,…λi…,λn) (6)
22、得到的时间分布矩阵为：
23、t＝vst＝(t1,t2,…tn) (7)。
24、进一步地，步骤s30中，构建的健康状态监测指标hi(td)如下：
25、
26、本专利技术实施例提供的技术方案带来的有益效果是：
27、1)经验正交分解方法首次被应用到旋转部件的状态监测中，说明了在时空角度下研究旋转部件状态监测的可行性。
28、2)所提出的健康状态监测指标要优于单一时域下的指标，相比于传统的rms、峭度等指标，提出的健康状态监测指标在早期故障发生时产生了明显的变化，准确指示出早期故障点的位置，伴随着故障的进一步演化发展，指标的趋势呈现良好的单调上升，说明所提出的指标要优于传统指标。
29、3)在健康状态下的时间和空间分布趋于稳定，而在早期故障发生时，空间分布和时间分布矩阵都发生较大的变化，从时空角度下提供了新的早期故障监测的方法。
本文档来自技高网...【技术保护点】
1.一种旋转机械高维数据-时空融合状态监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的旋转机械高维数据-时空融合状态监测方法，其特征在于，
3.如权利要求2所述的旋转机械高维数据-时空融合状态监测方法，其特征在于，步骤S20中，
4.如权利要求3所述的旋转机械高维数据-时空融合状态监测方法，其特征在于，
【技术特征摘要】
1.一种旋转机械高维数据-时空融合状态监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的旋转机械高维数据-时空融合状态监测方法，其特征在于，
...
【专利技术属性】
技术研发人员：李哲聪，谯自健，杨昌朴，谢彪彪，李昊，张成龙，何远彪，卞万良，
申请(专利权)人：宁波大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。