技術(shù)特征：

1.一種復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，該方法包含：

以對(duì)稱正交多小波構(gòu)造條件為約束，構(gòu)造標(biāo)準(zhǔn)多小波基函數(shù)；

根據(jù)標(biāo)準(zhǔn)多小波基函數(shù)，選擇與待測(cè)故障信號(hào)相匹配的最佳多小波；

根據(jù)最佳多小波，提取與識(shí)別復(fù)雜周轉(zhuǎn)輪系動(dòng)態(tài)信號(hào)微弱故障；

以特征融合指標(biāo)對(duì)復(fù)雜周轉(zhuǎn)輪系進(jìn)行健康狀態(tài)和性能退化監(jiān)測(cè)。

2.如權(quán)利要求1所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述構(gòu)造標(biāo)準(zhǔn)多小波基函數(shù)包含：

根據(jù)式(1)、(2)、(3)、(4)獲取多小波低通濾波器{H_k,k＝0,1,2,3}：

$H_0=\frac{1}{2(1+a^2)}\left[\begin{array}{cc}{(a-1)}^2& b(1-a^2)\\ b{(a-1)}^2& a^2-1\end{array}\right]---\left(1\right)$

$H_1=\frac{1}{2(1+a^2)}\left[\begin{array}{cc}{(a+1)}^2& b(1-a^2)\\ -b{(a+1)}^2& 1-a^2\end{array}\right]---\left(2\right)$

H₂＝SH₁S (3)

H₃＝SH₀S (4)

根據(jù)式(5)、(6)、(7)、(8)獲取多小波高通濾波器{G_k,k＝0,1,2,3}：

G₀＝-H₃A (5)

G₁＝H₂A (6)

G₂＝-H₁A (7)

G₃＝H₀A (8)

上述式中，自由參數(shù)a∈[-1,1]且b＝±1，轉(zhuǎn)換矩陣且

3.如權(quán)利要求1所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述選擇與待測(cè)故障信號(hào)相匹配的最佳多小波包含：

計(jì)算歸一化能量熵最小值、歸一化奇異熵最小值和全局峭度最大值；

根據(jù)歸一化能量熵最小值、歸一化奇異熵最小值和全局峭度最大值，選擇與待測(cè)故障信號(hào)相匹配的最佳多小波。

4.如權(quán)利要求3所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述計(jì)算歸一化能量熵最小值包含：

對(duì)待測(cè)故障信號(hào)s實(shí)施逼近預(yù)濾波的前處理獲得矢量輸入信號(hào)sc₀；

采用構(gòu)造的不同自由參數(shù)的標(biāo)準(zhǔn)多小波基函數(shù)進(jìn)行m層多小波包分解與逼近預(yù)濾波的后處理獲得的分析結(jié)果

計(jì)算不同分析結(jié)果的歸一化能量熵f₁；

采用遺傳算法作為優(yōu)化手段，以歸一化能量熵f₁的最小化原則為目標(biāo)函數(shù)計(jì)算出歸一化能量熵最小值f₁*。

5.如權(quán)利要求3所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述計(jì)算歸一化奇異熵最小值包含：

對(duì)待測(cè)故障信號(hào)s實(shí)施逼近預(yù)濾波的前處理獲得矢量輸入信號(hào)sc₀；

采用構(gòu)造的不同自由參數(shù)的標(biāo)準(zhǔn)多小波基函數(shù)進(jìn)行m層多小波包分解與逼近預(yù)濾波的后處理獲得的分析結(jié)果

計(jì)算不同分析結(jié)果的歸一化奇異熵f₂；

采用遺傳算法作為優(yōu)化手段，以歸一化奇異熵f₂的最小化原則為目標(biāo)函數(shù)計(jì)算出歸一化奇異熵最小值

6.如權(quán)利要求3所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述計(jì)算全局峭度最大值包含：

對(duì)待測(cè)故障信號(hào)s實(shí)施逼近預(yù)濾波的前處理獲得矢量輸入信號(hào)sc₀；

采用構(gòu)造的不同自由參數(shù)的標(biāo)準(zhǔn)多小波基函數(shù)進(jìn)行m層多小波包分解與逼近預(yù)濾波的后處理獲得的分析結(jié)果

計(jì)算相應(yīng)結(jié)果峭度{ku_i,i＝1,2,…2^m}，選擇峭度結(jié)果中局部峭度最大值ku_max；

采用遺傳算法作為優(yōu)化手段，以局部峭度最大值ku_max的最大化原則為目標(biāo)函數(shù)計(jì)算出全局峭度最大值

7.如權(quán)利要求3所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述選擇與待測(cè)故障信號(hào)相匹配的最佳多小波包含：

對(duì)待測(cè)故障信號(hào)s實(shí)施逼近預(yù)濾波的前處理獲得矢量輸入信號(hào)sc₀；

采用構(gòu)造的不同自由參數(shù)的標(biāo)準(zhǔn)多小波基函數(shù)進(jìn)行m層多小波包分解與逼近預(yù)濾波的后處理獲得的分析結(jié)果

根據(jù)式(9)計(jì)算不同分析結(jié)果的信息熵與峭度聯(lián)合指標(biāo)fk；

采用遺傳算法作為優(yōu)化手段，以聯(lián)合指標(biāo)fk的最小化原則為目標(biāo)函數(shù)優(yōu)選出標(biāo)準(zhǔn)多小波中最優(yōu)自由參數(shù)a^*和b^*，從而獲得與待測(cè)故障信號(hào)s相匹配的最佳多小波{H^*}和{G^*}；

$fk=\sqrt{\frac{{(f_1-f_1^{*})}^2+{(f_2-f_2^{*})}^2}{{({\mathrm{ku}}_{max}-{\mathrm{ku}}_{\max }^{*})}^2}}---\left(9\right)$

式(9)中，f₁為歸一化能量熵，f₁^*為歸一化能量熵最小值，f₂為歸一化奇異熵，為歸一化奇異熵最小值，ku_max為局部峭度最大值，為全局峭度最大值。

8.如權(quán)利要求1所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述提取與識(shí)別復(fù)雜周轉(zhuǎn)輪系動(dòng)態(tài)信號(hào)微弱故障包含：

對(duì)待測(cè)故障信號(hào)s實(shí)施逼近預(yù)濾波的前處理獲得矢量輸入信號(hào)sc₀；

采用最佳多小波{H*}和{G*}進(jìn)行m層多小波包分解與逼近預(yù)濾波的后處理獲得的分析結(jié)果

輸出局部峭度最大值ku_max所對(duì)應(yīng)的自適應(yīng)標(biāo)準(zhǔn)多小波分析結(jié)果，以提取與識(shí)別復(fù)雜周轉(zhuǎn)輪系動(dòng)態(tài)信號(hào)微弱故障。

9.如權(quán)利要求1所述的復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)方法，其特征在于，所述性能退化監(jiān)測(cè)包含：

對(duì)長(zhǎng)周期監(jiān)測(cè)的復(fù)雜周轉(zhuǎn)輪系動(dòng)態(tài)信號(hào){s_i,i＝1,2,…}分別計(jì)算每組信號(hào)的峭度因子k、脈沖因子I、裕度因子Y以及其自適應(yīng)標(biāo)準(zhǔn)多小波分析結(jié)果的歸一化能量熵f₁和歸一化奇異熵f₂，并組成特征矩陣F＝[k；I；Y；f₁；f₂]；

采用馬氏距離方法對(duì)F進(jìn)行距離測(cè)度分析與指標(biāo)降維融合，計(jì)算得到各動(dòng)態(tài)信號(hào)的特征融合指標(biāo)RF；

以特征融合指標(biāo)RF為評(píng)價(jià)指標(biāo)對(duì)復(fù)雜周轉(zhuǎn)輪系進(jìn)行健康狀態(tài)和性能退化監(jiān)測(cè)。

10.一種復(fù)雜周轉(zhuǎn)輪系微弱故障識(shí)別與性能退化監(jiān)測(cè)系統(tǒng)，其特征在于，該系統(tǒng)包含：

標(biāo)準(zhǔn)多小波構(gòu)造模塊，其以對(duì)稱正交多小波構(gòu)造條件為約束，構(gòu)造標(biāo)準(zhǔn)多小波基函數(shù)；

標(biāo)準(zhǔn)多小波優(yōu)選模塊，其輸入端連接標(biāo)準(zhǔn)多小波構(gòu)造模塊，根據(jù)標(biāo)準(zhǔn)多小波基函數(shù)，選擇與待測(cè)故障信號(hào)相匹配的最佳多小波；

故障提取識(shí)別模塊，其輸入端連接標(biāo)準(zhǔn)多小波優(yōu)選模塊，根據(jù)最佳多小波，提取與識(shí)別復(fù)雜周轉(zhuǎn)輪系動(dòng)態(tài)信號(hào)微弱故障；

性能退化監(jiān)測(cè)模塊，其輸入端連接標(biāo)準(zhǔn)多小波優(yōu)選模塊，以特征融合指標(biāo)對(duì)復(fù)雜周轉(zhuǎn)輪系進(jìn)行健康狀態(tài)和性能退化監(jiān)測(cè)。