一種高階累積量特征提取方法適用性的判斷方法
【專利摘要】本發(fā)明涉及一種高階累積量特征提取方法適用性的判斷方法，其包括以下步驟：(1)采用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備正常運行狀態(tài)，采集轉(zhuǎn)子實驗臺在正常運行狀態(tài)下的振動信號；(2)利用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備在某一種故障下的輕度故障程度、中度故障程度和重度故障程度三種故障程度，并采集轉(zhuǎn)子實驗臺在三種故障程度下的振動信號；(3)計算所有振動信號中每組振動信號1.5維譜；(4)判斷1.5維譜特征提取方法對于機(jī)械設(shè)備故障劣化是否具有敏感性和趨勢性，同時滿足敏感性和趨勢性的特征提取方法適用于該故障的機(jī)械設(shè)備故障趨勢預(yù)測。本發(fā)明能準(zhǔn)確的判斷出1.5維譜特征提取方法適用于哪種故障類型，可以廣泛在機(jī)械設(shè)備故障趨勢預(yù)測中應(yīng)用。
【專利說明】一種高階累積量特征提取方法適用性的判斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種機(jī)械故障提取方法在故障趨勢預(yù)測中適用性的判斷方法，特別是 關(guān)于一種適用于機(jī)械故障診斷領(lǐng)域中對1. 5維譜特征提取方法的高階累積量特征提取方 法適用性的判斷方法。

【背景技術(shù)】
[0002] 對機(jī)械設(shè)備故障進(jìn)行趨勢預(yù)測研究，有利于對機(jī)械設(shè)備實施主動維修，減少經(jīng)濟(jì) 損失。故障特征提取方法是進(jìn)行故障趨勢預(yù)測研究的關(guān)鍵，因此，現(xiàn)有技術(shù)中人們根據(jù)不同 的理論提出了不同的故障特征提取方法。高階累積量理論是近年來應(yīng)用于故障特征提取的 一種理論方法，其中1.5維譜特征提取方法是應(yīng)用比較廣泛的一種。但機(jī)械故障類型多種 多樣，1. 5維譜特征提取方法適用于哪一種故障類型，沒有理論依據(jù)，只能根據(jù)經(jīng)驗初步判 斷，判斷結(jié)果較為主觀，存在較大的誤差。


【發(fā)明內(nèi)容】

[0003] 針對上述問題，本發(fā)明的目的是提供一種高階累積量特征提取方法適用性的判斷 方法，該方法為設(shè)備故障趨勢預(yù)測研究中特征提取方法的選擇提供了理論基礎(chǔ)，可以較為 準(zhǔn)確的判斷出1. 5維譜特征提取方法適用于哪種故障類型。
[0004] 為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種高階累積量特征提取方法適用 性的判斷方法，其包括以下步驟：（1)采用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備正常運行狀態(tài)，利用現(xiàn) 有數(shù)據(jù)采集設(shè)備采集轉(zhuǎn)子實驗臺在正常運行狀態(tài)下的振動信號Xw(n) = {Xli...xN}，其中， Ν代表每組數(shù)據(jù)個數(shù)，w代表數(shù)據(jù)組別，w = 1 ;(2)利用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備在某一種 故障下的輕度故障程度、中度故障程度和重度故障程度三種故障程度，并利用現(xiàn)有數(shù)據(jù)采 集設(shè)備采集轉(zhuǎn)子實驗臺在三種故障程度下的振動信號x w(n) = 其中，Ν代表每 組數(shù)據(jù)個數(shù);w代表數(shù)據(jù)組別，w = 2、3、4,分別代表輕度故障程度狀態(tài)、中度故障程度狀態(tài) 以及重度故障程度狀態(tài)；(3)計算所有振動信號中每組振動信號1. 5維譜；(4)假設(shè)機(jī)械設(shè) 備正常運行狀態(tài)下振動信號的1.5維譜的最大值為&，機(jī)械設(shè)備輕度故障程度、中度故障程 度、重度故障程度狀態(tài)下的1. 5維譜的最大值分別為S2、S3和S4，當(dāng)1. 5維譜的最大值滿足 下式：
[0005]

【權(quán)利要求】
1. 一種高階累積量特征提取方法適用性的判斷方法，該方法主要用于對1. 5維譜特征 提取方法在故障趨勢預(yù)測中適用性的判斷方法，其包括以下步驟： (1) 采用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備正常運行狀態(tài)，利用現(xiàn)有數(shù)據(jù)采集設(shè)備采集轉(zhuǎn)子實 驗臺在正常運行狀態(tài)下的振動信號xw(n) = {Xl，...xN}，其中，N代表每組數(shù)據(jù)個數(shù)，w代表 數(shù)據(jù)組別，w = 1 ; (2) 利用轉(zhuǎn)子實驗臺模擬機(jī)械設(shè)備在某一種故障下的輕度故障程度、中度故障程度和 重度故障程度三種故障程度，并利用現(xiàn)有數(shù)據(jù)采集設(shè)備采集轉(zhuǎn)子實驗臺在三種故障程度下 的振動信號x w(n) = {Xl，...xN}，其中，Ν代表每組數(shù)據(jù)個數(shù);w代表數(shù)據(jù)組別，w = 2、3、4， 分別代表輕度故障程度狀態(tài)、中度故障程度狀態(tài)以及重度故障程度狀態(tài)； (3) 計算所有振動信號中每組振動信號1. 5維譜； (4) 假設(shè)機(jī)械設(shè)備正常運行狀態(tài)下振動信號的1. 5維譜的最大值為&，機(jī)械設(shè)備輕度 故障程度、中度故障程度、重度故障程度狀態(tài)下的1. 5維譜的最大值分別為S2、S3和S4，當(dāng) 1. 5維譜的最大值滿足下式：
則判斷為1. 5維譜特征提取方法對于機(jī)械設(shè)備故障劣化具有敏感性；若1. 5維譜的最 大值滿足Si < S2 < S3 < S4，則判斷為1. 5維譜特征提取方法對于機(jī)械設(shè)備故障劣化具有趨 勢性；同時滿足敏感性和趨勢性的特征提取方法適用于該故障的機(jī)械設(shè)備故障趨勢預(yù)測。
2. 如權(quán)利要求1所述的一種高階累積量特征提取方法適用性的判斷方法，其特征在 于：所述步驟（3)中，每組振動信號1. 5維譜的計算步驟如下： I )將所有振動信號的每組數(shù)據(jù)中N個數(shù)據(jù)都分為K段，每段Μ個數(shù)據(jù)，每段數(shù)據(jù)作為 一個記錄； II )對每一個記錄進(jìn)行去均值，再計算三階累積量對角切片，得到三階累積量對角切 片平均值； III)對三階累積量對角切片平均值做一維傅里葉變換，得到振動信號的1.5維譜 δν，3Χ(ωι·)為：
式中，代表頻率，r = 1，2,... Ν，Ν為正整數(shù)
為三階累積量對角切片平均 值；τ為時延；3x表示三階累積量。
3. 如權(quán)利要求2所述的一種高階累積量特征提取方法適用性的判斷方法，其特征在 于：所述步驟中II )中，其具體步驟如下： (a)假設(shè)
是第i個記錄，其中，i = 1，. . . K，h = 0, 1，. . . M-1 ;對第i個記錄求其 三階累積量對角切片
為：
式中，= max(0, - τ ) ;M2 = min(M_l, M-1- τ )，τ 為時延； (b)對所有三階累積量對角切片
求平均值，得到平均值
為：
【文檔編號】G01M99/00GK104155134SQ201410384189
【公開日】2014年11月19日 申請日期:2014年8月6日 優(yōu)先權(quán)日:2014年8月6日
【發(fā)明者】吳國新, 徐小力, 蔣章雷, 左云波 申請人:北京信息科技大學(xué)