亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種機(jī)械復(fù)合故障的診斷方法

文檔序號(hào):6624900閱讀:368來(lái)源:國(guó)知局
一種機(jī)械復(fù)合故障的診斷方法
【專利摘要】本發(fā)明公開了一種機(jī)械復(fù)合故障的診斷方法,包括以下步驟:應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解將復(fù)合故障信號(hào)分解為若干個(gè)IMF分量;提取每個(gè)IMF分量的特征量,建立故障樣本數(shù)據(jù)網(wǎng)絡(luò)模型;將每個(gè)IMF分量視為網(wǎng)絡(luò)中的社團(tuán),根據(jù)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)內(nèi)部連接緊密,而與社團(tuán)外部連接稀疏的特性,進(jìn)行同類社團(tuán)合并;合并所得每個(gè)社團(tuán)與單一故障相對(duì)應(yīng);對(duì)合并的信號(hào)進(jìn)行分析,將復(fù)合故障特征分離為單一故障特征,得到故障診斷結(jié)構(gòu)。本發(fā)明將復(fù)合故障分解為不同頻率的IMF分量,將每個(gè)IMF分量視為網(wǎng)路中的社團(tuán)結(jié)構(gòu),根據(jù)復(fù)雜網(wǎng)絡(luò)社團(tuán)合并,得到分離后的單故障信號(hào),從而實(shí)現(xiàn)復(fù)合故障特征分離,得到診斷結(jié)果。
【專利說(shuō)明】一種機(jī)械復(fù)合故障的診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種復(fù)合故障診斷方法,尤其涉及將復(fù)合故障信號(hào)特征分離轉(zhuǎn)化為單 一故障診斷的機(jī)械復(fù)合故障診斷方法。

【背景技術(shù)】
[0002] 隨著工業(yè)技術(shù)的進(jìn)步,大型復(fù)雜機(jī)械正朝著大型化、復(fù)雜化發(fā)展,機(jī)械運(yùn)行狀態(tài)是 否良好將直接影響工業(yè)生產(chǎn)。然而在工程實(shí)際中有的設(shè)備零件需要損壞達(dá)到一定程度才發(fā) 現(xiàn)并進(jìn)行更換,在載荷工況極其復(fù)雜情況下,此期間可能出現(xiàn)多種故障并存的現(xiàn)象,從而形 成復(fù)合故障。由于大部分復(fù)合故障的特征頻率均處于分析頻率的低頻段,能量較低,常被淹 沒(méi)在強(qiáng)大的背景噪聲中,故障間的相互影響等特性,從頻譜圖上很難看出與故障對(duì)應(yīng)的特 征頻率。因此,給復(fù)合故障全面準(zhǔn)確診斷造成困難。
[0003] 而近幾年,對(duì)單故障診斷研究發(fā)展迅速,如FFT分析、包絡(luò)譜分析、小波分析、譜峭 度等,這些方法在單故障診斷中均表現(xiàn)出較好的效果。然而,將這些方法應(yīng)用于復(fù)合故障診 斷中卻會(huì)遇到許多困難,F(xiàn)FT分析和包絡(luò)譜分析在診斷故障強(qiáng)弱差距較大的復(fù)合故障時(shí),較 弱的故障成分容易淹沒(méi)于噪聲之中,從而在診斷時(shí)被忽略。小波分析通過(guò)特定的基函數(shù)對(duì) 信號(hào)特征進(jìn)行提取,在故障診斷中廣泛應(yīng)用的是單小波只有一個(gè)基函數(shù),只能最佳匹配一 種故障特征,故在復(fù)合故障特征提取時(shí)容易顧此失彼。譜峭度是根據(jù)計(jì)算每根譜線的峭度 值大小來(lái)選取帶通濾波器參數(shù),然后進(jìn)行故障診斷,在分析復(fù)合故障時(shí),由于選取最大的峭 度值進(jìn)行分析導(dǎo)致某些故障峭度值易被遺漏,從而難以準(zhǔn)確診斷出各故障狀態(tài)。因此,如何 將復(fù)合故障特征分離從而形成單一故障進(jìn)行故障診斷,一直是難點(diǎn)且缺乏行之有效的分離 方法,同時(shí)也成為故障診斷中需要解決的關(guān)鍵問(wèn)題。


【發(fā)明內(nèi)容】

[0004] 為了解決上述技術(shù)問(wèn)題,本發(fā)明提供一種可靠性高的機(jī)械復(fù)合故障的診斷方法, 將復(fù)合故障特征分離轉(zhuǎn)化為單一故障診斷,以解決復(fù)合故障診斷困難的問(wèn)題。
[0005] 本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案包括以下步驟:
[0006] (1)應(yīng)用EMD將復(fù)合故障信號(hào)分解為若干個(gè)IMF分量;
[0007] (2)提取每個(gè)MF分量的特征量,建立故障樣本數(shù)據(jù)網(wǎng)絡(luò)模型;
[0008] (3)將每個(gè)MF分量視為網(wǎng)絡(luò)中的社團(tuán),根據(jù)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)內(nèi)部連接緊密,而 與社團(tuán)外部連接稀疏的特性,進(jìn)行同類社團(tuán)合并;
[0009] (4)合并所得每個(gè)社團(tuán)與單一故障相對(duì)應(yīng);
[0010] (5)對(duì)合并的信號(hào)進(jìn)行分析,實(shí)現(xiàn)復(fù)合故障特征分離與診斷。
[0011] 本發(fā)明的技術(shù)效果是:本發(fā)明應(yīng)用EMD將復(fù)合故障信號(hào)分解為若干個(gè)IMF分量,由 于不同單一故障的特征會(huì)在不同頻段得以體現(xiàn),提取每個(gè)頂F分量的特征量,建立故障樣 本數(shù)據(jù)網(wǎng)絡(luò)模型;然后將每個(gè)MF分量視為網(wǎng)絡(luò)中的社團(tuán),根據(jù)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)內(nèi)部連 接緊密,而與社團(tuán)外部連接稀疏的特性,進(jìn)行同類社團(tuán)合并,合并所得每個(gè)社團(tuán)與單一故障 相對(duì)應(yīng),最后對(duì)合并的信號(hào)進(jìn)行分析,實(shí)現(xiàn)復(fù)合故障特征分離,并得到診斷結(jié)果,解決了復(fù) 合故障診斷難的技術(shù)問(wèn)題。

【專利附圖】

【附圖說(shuō)明】
[0012] 圖1是本發(fā)明的流程圖。
[0013] 圖2是本發(fā)明中復(fù)合故障振動(dòng)信號(hào)和包絡(luò)譜示意圖。
[0014] 圖3是本發(fā)明中網(wǎng)絡(luò)社團(tuán)聚類系數(shù)示意圖。
[0015] 圖4是本發(fā)明中轉(zhuǎn)子不平衡和內(nèi)圈復(fù)合故障分離的包絡(luò)頻譜圖。
[0016] 圖5是本發(fā)明中滾動(dòng)軸承內(nèi)圈和滾動(dòng)體復(fù)合故障分離的包絡(luò)頻譜圖。

【具體實(shí)施方式】
[0017] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0018] 參見圖1,圖1為本發(fā)明的流程圖。本發(fā)明的具體實(shí)施步驟如下:
[0019] (1)應(yīng)用 EMD (Empirical Mode Decomposition, EMD)將復(fù)合故障信號(hào)分解為若干 個(gè)IMF分量。EMD方法是一種全新的信號(hào)時(shí)頻分析方法。它是利用信號(hào)內(nèi)部時(shí)間尺度的變 化做能量與頻率的解析,可以將非線性、非平穩(wěn)態(tài)的信號(hào)自適應(yīng)的分解為有限數(shù)目的線性、 穩(wěn)態(tài)的本征模態(tài)函數(shù)分量(Intrinsic Mode Function,簡(jiǎn)稱 IMF) IMF1, IMF2, IMF3...,IMFn, 這樣不同的本征模態(tài)分量反映不同頻段的信息。而復(fù)合故障有多個(gè)故障特征對(duì)應(yīng)不同的故 障頻率,每個(gè)故障頻段在不同的模態(tài)分量得以體現(xiàn)。利用EMD這一特性,能夠?qū)⒄駝?dòng)信號(hào)中 的各故障狀態(tài)信息進(jìn)行分離,然后將每個(gè)IMF分量視為復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)進(jìn)行社團(tuán)合 并。
[0020] (2)提取每個(gè)MF分量的特征量,建立故障樣本數(shù)據(jù)網(wǎng)絡(luò)模型。通過(guò)現(xiàn)場(chǎng)監(jiān)測(cè),獲 得復(fù)合故障動(dòng)態(tài)信息,對(duì)復(fù)合故障觀測(cè)信號(hào)進(jìn)行EMD,得到若干個(gè)IMF分量,提取不同IMF 分量故障特征量,組成樣本集,把每個(gè)樣本抽象為網(wǎng)絡(luò)節(jié)點(diǎn),樣本與樣本之間的關(guān)系抽象為 邊,這樣不同頂F分量的樣本就可以抽象成復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu),而每個(gè)MF分量視為網(wǎng)絡(luò)中的社 團(tuán)。
[0021] 設(shè)故障樣本集X = {χ1; x2. . .,xn},每個(gè)樣本p個(gè)屬性,即Xi = {xn,xi2. · ·,xip},(/. = 1,2Λ ra),Xi與χ』之間的聯(lián)系用相似度a。e A表示;將每個(gè)數(shù)據(jù)樣本 Xi視為網(wǎng)絡(luò)"節(jié)點(diǎn)",數(shù)據(jù)樣本之間的聯(lián)系作為網(wǎng)絡(luò)"關(guān)系",則數(shù)據(jù)結(jié)構(gòu)可以表示成故障數(shù) 據(jù)網(wǎng)絡(luò)模型G(X,A)。
[0022] 比較不同模式的相似性可以轉(zhuǎn)化為比較兩個(gè)向量的距離。一般而言,%是樣本Xi 和Xj間距離&的函數(shù)。相似度函數(shù)設(shè)計(jì)的原則是使網(wǎng)絡(luò)具有較好的塊狀結(jié)構(gòu)(塊內(nèi)相似 度盡可能接近,塊之間相似度差別較大),將其定義為:
[0023] atj = exp (-〇. 1*(1^·) (1)
[0024]

【權(quán)利要求】
1. 一種機(jī)械復(fù)合故障的診斷方法,包括以下步驟: (1) 應(yīng)用EMD將復(fù)合故障信號(hào)分解為若干個(gè)IMF分量; (2) 提取每個(gè)MF分量的特征量,建立故障樣本數(shù)據(jù)網(wǎng)絡(luò)模型; (3) 將每個(gè)IMF分量視為網(wǎng)絡(luò)中的社團(tuán),根據(jù)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)內(nèi)部連接緊密,而與社 團(tuán)外部連接稀疏的特性,進(jìn)行同類社團(tuán)合并; (4) 合并所得每個(gè)社團(tuán)與單一故障相對(duì)應(yīng); (5) 對(duì)合并的信號(hào)進(jìn)行分析,將復(fù)合故障特征分離為單一故障特征,得到故障診斷結(jié) 果。
2. 根據(jù)權(quán)利要求1所述的機(jī)械復(fù)合故障的診斷方法,所述故障樣本數(shù)據(jù)網(wǎng)絡(luò)建模步驟 為: 設(shè)故障樣本集
每個(gè)樣本P個(gè)屬性,即Xi =
Xi與\之間的聯(lián)系用相似度
A表示; 將每個(gè)數(shù)據(jù)樣本Xi視為網(wǎng)絡(luò)"節(jié)點(diǎn)",數(shù)據(jù)樣本之間的聯(lián)系作為網(wǎng)絡(luò)"關(guān)系",則數(shù)據(jù)結(jié) 構(gòu)可以表示成加權(quán)無(wú)向網(wǎng)絡(luò)G(X,A); 比較不同模式的相似性可以轉(zhuǎn)化為比較兩個(gè)向量的距離,一般而言,au是樣本Xi和Xj 間距離du的函數(shù),相似度函數(shù)設(shè)計(jì)的原則是使網(wǎng)絡(luò)具有較好的塊狀結(jié)構(gòu),將其定義為: ajj = exp (-〇. l^djj)
式中,du為歐式距離度量,du越小,au越大,表明Xi與\間的相似度越大;自身的相 似度為〇,即當(dāng)i = j時(shí),au = 0,由于兩個(gè)節(jié)點(diǎn)之間彼此的相似度相等,即au = a#,所以A 是一個(gè)對(duì)稱矩陣,則η個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)的連接矩陣為:
至此,得到故障數(shù)據(jù)網(wǎng)絡(luò)模型G (X,Α)。
3. 根據(jù)權(quán)利要求1所述的機(jī)械復(fù)合故障的診斷方法,所述復(fù)合故障信號(hào)經(jīng)EMD分解的 IMF分量視為網(wǎng)絡(luò)中的社團(tuán),進(jìn)行冗余社團(tuán)合并,根據(jù)任意兩個(gè)社團(tuán)合并計(jì)算相應(yīng)的模塊性 合并指標(biāo)變化,即每次合并操作之前可以計(jì)算出:
直到所有的都小于零為止,冗余社團(tuán)合并結(jié)束。
4. 根據(jù)權(quán)利要求3所述的機(jī)械復(fù)合故障的診斷方法,所述冗余社團(tuán)合并是將合并的 IMF分量重新組合進(jìn)行包絡(luò)譜分析,將沒(méi)有分離的復(fù)合故障信號(hào)進(jìn)行包絡(luò)譜分析作對(duì)比。
【文檔編號(hào)】G06F19/00GK104156623SQ201410427453
【公開日】2014年11月19日 申請(qǐng)日期:2014年8月27日 優(yōu)先權(quán)日:2014年8月27日
【發(fā)明者】蔣玲莉, 潘陽(yáng), 陳安華, 李學(xué)軍, 伍濟(jì)鋼, 賓光富, 王廣斌 申請(qǐng)人:湖南科技大學(xué)
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1