一种自适应差异多模态分解方法、装置及存储介质制造方法及图纸

本发明专利技术属于机械装备故障诊断技术领域，公开了一种自适应差异多模态分解方法、装置及存储介质，方法包括：基于混合振动信号的归一化傅里叶谱，获取混合振动信号的归一化傅里叶谱中包含故障成分的模式分量；基于混合振动信号中包含故障成分的模式分量的位置，确认健康振动信号中相同位置的模式分量，通过凸优化获得所述健康振动信号与混合振动信号之间的最优差分谱；对所述最优差分谱中的振动点进行排序，并对排序后的振动点序列进行高斯混合聚类，将聚类结果之间的分界线作为最优阈值；根据最优阈值划分结果获取健康分量、故障分量以及噪声分量。本发明专利技术能够解决难以有效区分位于同一频带内的干扰信号与故障成分的技术问题。

【技术实现步骤摘要】

本专利技术属于机械装备故障诊断，尤其涉及一种自适应差异多模态分解方法、装置及存储介质。

技术介绍

1、在牵引电机、齿轮箱和转向架等系统中，滚动轴承在支撑负载和减少摩擦方面发挥着关键作用。然而，滚动轴承通常在恶劣的环境中运行，暴露在高温、污染、重负荷和高速加速和减速环境中，均会加速磨损，增加发生故障的风险。由于轴承内部件之间的紧密耦合，故障部件通常会影响其他健康部件，导致复合故障。复合故障特征之间的高耦合，以及它们在振幅、频率和波形上的多样性，使得这些故障的准确识别和分离极具挑战性。

2、目前，多种信号处理技术已被开发用于复合故障诊断，其中包括经验模式分解、变分模式分解、特征模式分解等。然而，这些方法各自存在一定的局限性，例如模式混叠、边界效应及参数选择等问题。此外，这些信号分解方法本质上是自适应带通滤波器组，通常难以有效区分位于同一频带内的干扰信号与故障成分。

3、因此，亟需一种自适应差异多模态分解方法、装置及存储介质以解决上述技术问题。

技术实现思路

1、本专利技术的目的在于克服现有本文档来自技高网...

【技术保护点】

1.一种自适应差异多模态分解方法，其特征在于，包括：

2.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，对所述健康振动信号与混合振动信号进行预处理，得到所述健康振动信号与混合振动信号的归一化傅里叶谱；包括：

3.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，基于所述混合振动信号的归一化傅里叶谱，定位所述混合振动信号的频谱信息，通过所述频谱信息获取所述混合振动信号的归一化傅里叶谱中包含故障成分的模式分量包括：

4.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，通过凸优化获得所述健康振动信号与混合振动信号之间的最优差分谱...

【技术特征摘要】

1.一种自适应差异多模态分解方法，其特征在于，包括：

2.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，对所述健康振动信号与混合振动信号进行预处理，得到所述健康振动信号与混合振动信号的归一化傅里叶谱；包括：

3.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，基于所述混合振动信号的归一化傅里叶谱，定位所述混合振动信号的频谱信息，通过所述频谱信息获取所述混合振动信号的归一化傅里叶谱中包含故障成分的模式分量包括：

4.根据权利要求1所述的自适应差异多模态分解方法，其特征在于，通过凸优化获得所述健康振动信号与混合振动信号之间的最优差分谱包括...

【专利技术属性】
技术研发人员：张军，孟涛，王焱，江星星，丁传仓，杜贵府，李舜酩，
申请(专利权)人：南通理工学院，
类型：发明
国别省市：