【技术实现步骤摘要】
本专利技术涉及故障检测，尤其涉及旋转机械故障检测，具体涉及一种基于节点交叉图熵的旋转机械故障检测方法、一种基于节点交叉图熵的旋转机械故障检测装置、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、旋转机械是工业领域中非常重要的动力装备，通用设备包括鼓风机、压缩机、发动机、汽轮机、水轮机、水泵等，涵盖了机械、化工、钢铁、石化、冶金、航空等众多领域。滚动轴承作为旋转机械中至关重要的零部件，能够承受旋转工作时的轴向和径向载荷，使旋转件能够高效、稳定地运转。随着工业应用多样化、复杂化的发展，这些零部件面临在诸多恶劣工况下运行如高速、高温、重载，极易出现损坏性故障，造成严重的事故。据统计，旋转机械中有70％的故障滚动是由滚动轴承引起的，因此对滚动轴承的早期状态检测对了解轴承的性能状态和及时发现潜在故障具有重要作用。
3、专利技术人发现，基于时频分析的信号处理方法能够准确提取非线性、非平稳信号中的有效信息，以判断设备的运行状态；然而，旋转机械在早期退化阶段的状态变化非常微弱，在实际工业场景中，这些信息变化往往被环境噪声淹没，难以直接捕捉信号中的状态特征变化，使得旋转机械的早期故障不能及时准确检测。
技术实现思路
1、为了解决旋转机械的早期故障检测精度不足的问题，本专利技术提供了一种基于节点交叉图熵的旋转机械故障检测方法及系统，建立了旋转机械的振动信号切片离散小波变换
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种基于节点交叉图熵的旋转机械故障检测方法。
4、一种基于节点交叉图熵的旋转机械故障检测方法，包括以下过程：
5、根据旋转机械的振动信号生成切片信号序列，对切片信号序列进行单级离散小波变换以提取时频能量分布变化的差异信息，根据所述差异信息生成完全图；本专利技术通过提取差异信息的方式使得噪声和干扰在做差时可以得到抑制，因此可以用于高噪环境和强干扰下的故障检测，具有较强的适用性；
6、计算完全图中的每个节点的交叉图熵，对所有节点按照交叉图熵的大小进行排序，取排序结果中最大的前n个(n为正整数)交叉图熵的平均值作为机器状态健康指标；本专利技术通过计算各个节点的交叉图熵，对噪声具有极佳的抑制作用，使得异常点之前的特征值变化非常平稳，提高了故障检测的精度；
7、根据连续多个时刻的机器状态健康指标构建健康指数序列，通过滑动t检验方法对健康指数序列进行异常检测，得到最终的故障检测结果。
8、作为本专利技术第一方面进一步的限定，根据所述差异信息生成完全图，包括：
9、单级离散小波变换后得到低频系数向量和高频系数向量，将低频系数向量和高频系数向量按照前后次序整合为系数向量，以保留全部时频信息；
10、将系数向量中的各系数分量映射成一个无向加权完全图，所述无向加权完全图包括节点、连接边和权重，得到振动信号对应的完全图。
11、作为本专利技术第一方面更进一步的限定，以欧氏距离表达任意两个节点之间的连接边的权重。
12、作为本专利技术第一方面进一步的限定，计算完全图中的每个节点的交叉图熵，包括：
13、对任一个节点i，计算节点i的点权，根据节点i的点权计算节点i的信息熵，丢弃网络节点i以及与节点i相连的所有的边，计算去除节点i后的图熵，根据节点i的信息熵以及去除节点i后的图熵，得到节点i的交叉图熵。
14、作为本专利技术第一方面进一步的限定，根据旋转机械的振动信号生成切片信号序列，包括：
15、对振动信号，使用固定长度滑动窗对原始信号进行切片分割，得到多个切片信号序列，每个切片信号序列中元素个数相同。
16、作为本专利技术第一方面进一步的限定，根据连续多个时刻的机器状态健康指标构建健康指数序列，包括：以当前时刻之前的某时刻为起始时刻，以起始时刻到当前时刻的所有描述机器状态的健康指标构建健康指数序列。
17、第二方面，本专利技术提供了一种基于节点交叉图熵的旋转机械故障检测装置。
18、一种基于节点交叉图熵的旋转机械故障检测装置，包括：
19、完全图生成单元，被配置为：根据旋转机械的振动信号生成切片信号序列，对切片信号序列进行单级离散小波变换以提取时频能量分布变化的差异信息，根据所述差异信息生成完全图，本专利技术通过提取差异信息的方式使得噪声和干扰在做差时可以得到抑制
20、健康指标生成单元，被配置为：计算完全图中的每个节点的交叉图熵，对所有节点按照交叉图熵的大小进行排序，取排序结果中最大的前n个(n为正整数)交叉图熵的平均值作为机器状态健康指标，本专利技术通过计算各个节点的交叉图熵，对噪声具有极佳的鲁棒性，使得异常点之前的特征值变化非常平稳，提高了故障检测的精度；
21、检测结果生成单元，被配置为：根据连续多个时刻的机器状态健康指标构建健康指数序列，通过滑动t检验方法对健康指数序列进行异常检测，得到最终的故障检测结果。
22、第三方面，本专利技术提供了一种计算机设备，包括：处理器和计算机可读存储介质；
23、处理器，适于执行计算机程序；
24、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本专利技术第一方面所述的基于节点交叉图熵的旋转机械故障检测方法。
25、第四方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如本专利技术第一方面所述的基于节点交叉图熵的旋转机械故障检测方法。
26、第五方面，本专利技术提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如本专利技术第一方面所述的基于节点交叉图熵的旋转机械故障检测方法。
27、与现有技术相比，本专利技术的有益效果是：
28、1、本专利技术提出利用完全图提取切片离散小波谱中的各频率分量并建立相关关系，完全图中的点表示频率分量数据，加权边代表分量数据之间的差异关系，这种差异关系自然地代表了频率分量之间的相互依赖性，有力地抑制了振动信号中的非平稳现象；与此同时，将图熵引入旋转机械动态检测领域，通过图模型中关键节点(重要频率分量)所包含结构信息的差异性变化度量和定量评价滚动轴承的动态健康状况。
29、2、完全图中的节点表示了各个频率从分量，机器运行状态的动态变化，必然会使得图模型中关键节点的重要程度产生差异，本专利技术通过节点交叉图熵能够有效捕捉关键节点之间差异的微弱变化，提高了早期变化检测的灵敏度。
30、3、在故障本文档来自技高网...
【技术保护点】
1.一种基于节点交叉图熵的旋转机械故障检测方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
3.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
4.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
5.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
6.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
7.一种基于节点交叉图熵的旋转机械故障检测装置，其特征在于，包括：
8.一种计算机设备，其特征在于，包括：处理器和计算机可读存储介质；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如权利要求1-6任一项所述的基于节点交叉图熵的旋转机械故障检测方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如
...【技术特征摘要】
1.一种基于节点交叉图熵的旋转机械故障检测方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
3.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
4.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
5.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
6.如权利要求1所述的基于节点交叉图熵的旋转机械故障检测方法，其特征在于，
7...
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。