【技术实现步骤摘要】
本专利技术涉及机械设备故障检测，具体为一种基于信号时频特征假设检验的故障检测方法。
技术介绍
1、机械设备在长期操作过程中，由于各种外部环境冲击和内部疲劳累积，逐渐产生磨损、老化、腐蚀等退化现象，这些微小的退化，如果未能及时识别和干预，可能逐步累积为明显的性能下降，甚至触发设备的重大失效事件，传统的健康检测策略主要依赖于技术人员的经验进行定期人工巡查与维保，此种策略存在劳动成本高、效率有限及可能的检查遗漏等问题，难以满足实时性和连续性的检测需求。但随着先进传感器技术和大数据分析技术的飞速进步，基于振动信号的机械设备健康诊断逐渐崭露头角，该方法基于一个核心原理：机械设备的健康退化与其动态响应特性，尤其是振动特性，存在一定的相关性。因此，我们可以从对振动信号的深度分析中，实时捕捉到设备的健康变化信息，进而实施故障预警与预防。
2、在振动信号的频域分析中，傅里叶变换被广泛应用，它能清晰地揭示信号的频率分布特性，从而反映设备的动态特性，但对于某些非平稳信号，其频率成分可能随时间发生变化，此时，短时傅里叶变换（stft）提供了一个时间-频率双参数的解析手段，能够捕捉到这种随时间变化的频率特性。
3、然而，仅靠时频分析还难以直接用于故障诊断，需要进一步提取信号的特征参数，并进行合理的分类，传统方法往往依赖于一些固定、经验的特征，如峰值、有效值和谐波成分等，但仍不能满足自适应、精确的故障检测的需求，为此，提出一种基于信号时频特征假设检验的故障检测方法。
技术实现思路
1、
2、针对现有技术的不足，本专利技术提供了一种基于信号时频特征假设检验的故障检测方法，该方法结合了时频域分析、概率密度拟合、参数估计、假设检验和置信分析，为机械设备状态的准确诊断提供了强大的工具。
3、（二）技术方案
4、为实现上述专利技术目的，本专利技术提供一种基于信号时频特征假设检验的故障检测方法，包括以下步骤：
5、s1、采集目标旋转机械随机状态下的振动信号 x t；
6、s2、对旋转机械随机状态下的振动信号 x t做stft来来获取模型的频域信号；
7、s3、通过k-means聚类算法，将相似特征的数据点聚集在一起；
8、s4、高斯分布拟合；
9、s5、似然比假设检验；
10、s6、信号故障判断。
11、步骤s1中采集振动信号 x t， t=1, 2, 3,...,t，其中 t单个信号样本的时间点数。
12、步骤s2中获取模型的频域信号，选择一个合适的窗函数，得到的结果是一个时频矩阵，其中每一列代表一个窗内的频谱，每一列代表一种特定频率如何随时间变化，其中短时傅里叶变化可为公式1：
13、 (1)；
14、其中，是在时间的频率的复振幅， ;。
15、步骤s3中对于stft得到的时频矩阵的每一列都会得到一个特征向量，随机选择k列向量,作为初始的聚类中心，对于每一个特征向量，根据其到每一个中心的距离将其分配给最近的中心可以写成公式2：
16、 （2）；
17、其中，是第个聚类，是该聚类的中心，且k=2；
18、对于每一个聚类，更新该聚类的中心可以写成公式3：
19、 （3）；
20、其中，如果中心点没有明显变化或达到了预设的迭代次数，算法停止，得到k类的向量，分别代表振动模式的k种状态。
21、步骤s4高斯分布拟合中对于每个聚类，取出该类中所有的向量，根据极大似然估计，利用已知均值，计算不同类下的协方差如公式4：
22、（4）；
23、其中，是该类的均值，使用上述得到的均值和方差，为每个stft向量，服从高斯分布。
24、步骤s5似然比假设检验中利用拟合参数构建统计量进行假设检验，使用似然比假设检验来判断这两组参数是否存在显著差异，从而判定设备的健康状况；
25、设置假设：原假设：两组参数没有明显的差异，即设备处于健康状态；备择假设：两组参数存在显著差异，即信号存在冲击现象，设备出现异常情况；
26、首先构造统计量为两组参数在原假设下的似然与在备择假设下的似然之比，记为lr，可以写为公式5：
27、（5）；
28、其中，是在备择假设下的似然，而是在原假设下的似然；序列表示第个向量是否属于第一个聚类，如果是；否则；根据wilk定理可知，服从卡方分布，如公式6：
29、（6）；
30、其中自由度 d为两个条件下的变量数之差，即。
31、步骤s6信号故障判断中，在给定的显著性水平，即置信度为，可根据卡方分布概率分布表进行接受或者拒绝原假设；具体来说，当统计量，则拒绝原假设，认为两类参数来自不同的分布，即该信号存在故障。
32、（三）有益效果
33、与现有技术相比，本专利技术提供了一种基于信号时频特征假设检验的故障检测方法，具备以下有益效果：
34、1、通过短时傅里叶变换对这些信号进行时频分析，获取其时频矩阵，对这些stft向量进行聚类，以区分不同的振动波形，对每个聚类进行统计分析，计算其均值和方差，并利用似然比假设检验判断不同类别之间是否存在显著差异，判断机械是否存在故障，发现该专利技术的有效性，并且该专利技术无需进行人工干预、或者频谱观察，而是直接通过建设检验逻辑判断实现故障检测；
35、2、利用振动信号特征的统计信息进行设备健康评估，避免单一特征的不稳定性和泛化能力的下降；
36、3、通过置信度可以提高故障检测结果的可信度和稳定性；
37、4、该专利技术属于无监督方法，无需先验知识训练或者专家知识判断，有助于工程应用。
本文档来自技高网...【技术保护点】
1.一种基于信号时频特征假设检验的故障检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤S1中采集振动信号，，其中T单个信号样本的时间点数。
3.如权利要求2所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤S2中获取模型的频域信号，选择一个合适的窗函数，得到的结果是一个时频矩阵，其中每一列代表一个窗内的频谱，每一列代表一种特定频率如何随时间变化，其中短时傅里叶变化可为公式1：
4.如权利要求3所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤S3中对于STFT得到的时频矩阵的每一列都会得到一个特征向量，随机选择K列向量,K作为初始的聚类中心，对于每一个特征向量，根据其到每一个中心的距离将其分配给最近的中心可以写成公式2：
5.如权利要求4所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤S4高斯分布拟合中对于每个聚类，取出该类中所有的向量，根据极大似然估计，利用已知均值，计算不同类下的协方差如公式4：
7.如权利要求6所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤S6信号故障判断中，在给定的显著性水平，即置信度为，可根据卡方分布概率分布表进行接受或者拒绝原假设；具体来说，当统计量 ，则拒绝原假设，认为两类参数来自不同的分布，即该信号存在故障。
...【技术特征摘要】
1.一种基于信号时频特征假设检验的故障检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤s1中采集振动信号，，其中t单个信号样本的时间点数。
3.如权利要求2所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤s2中获取模型的频域信号，选择一个合适的窗函数，得到的结果是一个时频矩阵，其中每一列代表一个窗内的频谱，每一列代表一种特定频率如何随时间变化，其中短时傅里叶变化可为公式1：
4.如权利要求3所述的一种基于信号时频特征假设检验的故障检测方法，其特征在于，步骤s3中对于stft得到的时频矩阵的每一列都会得到一个特征向量，随机选择k列向量,k作为初始的聚类中心，对于每一个特征向量，根据其到每一个中心的距离将其分配给最...
【专利技术属性】
技术研发人员：靳亚强，满绪豪，饶猛，左明健，
申请(专利权)人：青岛明思为科技有限公司，
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。