基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu)化方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及一種基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu)化方法，涉及機(jī)械振動(dòng) 信號(hào)處理領(lǐng)域和在線監(jiān)控及故障診斷領(lǐng)域。
【背景技術(shù)】
[0002] 機(jī)械故障特征參量?jī)?yōu)化在信號(hào)處理和故障診斷領(lǐng)域具有重要的意義。大都數(shù)機(jī)械 設(shè)備在實(shí)際運(yùn)作狀態(tài)下，其故障信號(hào)是非平穩(wěn)、非線性的，同時(shí)早期故障信號(hào)中干擾信號(hào)過(guò) 多，故障信號(hào)能量微弱，故障特征的提取十分困難，并且提取的故障特征參量維數(shù)較高，冗 余信息會(huì)相互削弱其反映故障特性的能力。在故障診斷領(lǐng)域中故障特征參量直接關(guān)系到故 障診斷的準(zhǔn)確率和故障早期預(yù)報(bào)的可靠性，是設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷的關(guān)鍵。選擇對(duì)設(shè) 備狀態(tài)敏感度高的特征參量，能增強(qiáng)監(jiān)測(cè)診斷的針對(duì)性，提高診斷的準(zhǔn)確性。
[0003] 現(xiàn)有的技術(shù)方法中，基于時(shí)域特征參量提取算法計(jì)算相對(duì)簡(jiǎn)單，容易實(shí)現(xiàn)，但是提 取到的特征參量容易受到噪聲的影響，適合于信噪比比較高的環(huán)境，其應(yīng)用范圍受到限制。 目前廣泛采用的信號(hào)特征提取方法有：包絡(luò)解調(diào)、共振解調(diào)、形態(tài)濾波、小波、經(jīng)驗(yàn)?zāi)B(tài)法、 稀疏分解、主分量分析法等。相對(duì)于簡(jiǎn)單時(shí)域特征參量提取算法提取的特征參量具有更好 的抗噪性，應(yīng)用較為廣泛，但是計(jì)算復(fù)雜。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種基于最小二乘映射的機(jī)械故障特 征參量?jī)?yōu)化方法。該方法計(jì)算簡(jiǎn)單，通過(guò)對(duì)提取的特征參量進(jìn)行優(yōu)化，提高故障特征參量的 敏感性，實(shí)現(xiàn)非平穩(wěn)早期微弱故障的識(shí)別。
[0005] 本發(fā)明的技術(shù)方案是：
[0006] 基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu)化方法，包括以下步驟：
[0007] 1、根據(jù)所要診斷的機(jī)械設(shè)備計(jì)算提取特征參量P，并在特征空間構(gòu)造矢量Pi_j。
[0008] Pij= {p i.n，pij2，…，PijkI i = 1 ~M，j = 1 ~Ν}τ
[0009] 其中，i表示故障類型的數(shù)目為M，j表示特征參量的數(shù)目為N，k為特征參量的維 度（一般取2)。矢量端點(diǎn)表不故障類型。
[0010] 2、構(gòu)造矢量Plj由特征空間映射到判決空間的誤差向量ε ^和總均方誤差ε。
[0013] 其中，Llj表示矢量P u在判決空間的映像，V 1表示矢量P U投射在判決空間的點(diǎn)。
[0014] 3、計(jì)算將矢量Plj由特征空間映射到判決空間的變換Α。
[0015] a.矢量Pu由特征空間映射到判決空間的矢量L AP u。
[0016] b.根據(jù)總的均方誤差最小原則計(jì)算變換矩陣A。
[0017] 由誤差向量ε u和總均方誤差ε以及矢量L u公式可以推導(dǎo)出：
[0019] 因?yàn)檫x取的變換A使得ε最小，所以A可以通過(guò)下面公式求得，
[0021] W表示梯度算子。
[0022] 于是得：
[0024] 又因?yàn)椋?br>[0028] 將其帶入上述恒等式得：
[0030] 所以要尋找的變換A為：
[0032] 當(dāng)故障類型的數(shù)目M彡2時(shí)，則變換A為：
[0034] 4、構(gòu)造在判決空間內(nèi)的新特征參量NP。
[0035] NP = AXP
[0036] 本發(fā)明的有益效果是：本發(fā)明提供一種基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu) 化方法，能夠增強(qiáng)特征參量對(duì)故障的敏感性，更好地反映故障特性，提高了故障診斷的準(zhǔn)確 率和可靠性。
【具體實(shí)施方式】
[0037] 以滾動(dòng)軸承的故障特征參量對(duì)內(nèi)輪傷和滾動(dòng)體故障這兩種故障狀態(tài)的識(shí)別為例 對(duì)本發(fā)明所提出的技術(shù)路線作進(jìn)一步的解釋和說(shuō)明。此處應(yīng)用的實(shí)例并不只適用于本例， 適用于所有旋轉(zhuǎn)機(jī)械。具體的實(shí)施過(guò)程如下：
[0038] 1、根據(jù)滾動(dòng)軸承內(nèi)輪傷和滾動(dòng)體故障這兩種故障狀態(tài)選擇以下兩個(gè)特征參量來(lái) 識(shí)別：
[0040] 其中^是振動(dòng)信號(hào)的離散數(shù)據(jù)，無(wú)是^的均值，
σ是X1的標(biāo)準(zhǔn)方差，
[0041] 在特征空間構(gòu)造矢量Pl j
[0042] Pij= {ρ 叩，pij2，…，pijk| i = 1 ~2, j = 1 ~2}τ
[0043] 2、構(gòu)造矢量Plj由特征空間映射到判決空間的誤差向量ε ^和總均方誤差ε。
[0046] 其中，Llj表示矢量P u在判決空間的映像，V 1表示矢量P U投射在判決空間的點(diǎn)。
[0047] 3、計(jì)算將矢量Plj由特征空間映射到判決空間的變換Α。
[0048] a.矢量Pu由特征空間映射到判決空間的矢量L AP u。
[0049] b.根據(jù)總的均方誤差最小原則計(jì)算變換矩陣A。
[0050] 由誤差向量ε u和總均方誤差ε以及矢量L u公式可以推導(dǎo)出：
[0052] 因?yàn)檫x取的變換A使得ε最小，所以A可以通過(guò)下面公式求得，
[0054] A表示梯度算子。
[0055] 于是得：
[0057] 又因?yàn)椋?br>[0061] 將其帶入上述恒等式得：
[0063] 所以要尋找的變換A為：
[0065] 4、構(gòu)造在判決空間內(nèi)的新特征參量NP。
[0066] NP = AXP
[0067] 辨別任意特征參數(shù)P對(duì)兩種狀態(tài)的優(yōu)點(diǎn)，可以用DI (敏感性評(píng)價(jià)因子）辨別指標(biāo) 來(lái)評(píng)價(jià)。
[0069] 其中μ η μ 2各自是位于特征參數(shù)P的狀態(tài)1和狀態(tài)2下的平均值、σ JP σ 2是 其標(biāo)準(zhǔn)偏差。DI越大、使用特征P辨別狀態(tài)1和狀態(tài)2時(shí)的敏感度就越高。
[0070] 使用DI (敏感性評(píng)價(jià)因子）來(lái)評(píng)價(jià)優(yōu)化過(guò)的特征參量和原來(lái)的特征參量對(duì)滾動(dòng)軸 承內(nèi)輪傷和滾動(dòng)體故障反映的敏感性。
[0071] 表1特征參量PjP P 2區(qū)別內(nèi)輪傷和滾動(dòng)體故障的DI值
[0073] 表2優(yōu)化的特征參量NPjP NP 2區(qū)別內(nèi)輪傷和滾動(dòng)體故障的DI值
[0075] 通過(guò)比較表1和表2,經(jīng)過(guò)本發(fā)明所提出的方法優(yōu)化過(guò)的特征參量比原來(lái)的特征 參量對(duì)故障的反映敏感性更高。所以通過(guò)該方法優(yōu)化的特征參量能大大提高對(duì)故障診斷的 準(zhǔn)確性。
【主權(quán)項(xiàng)】
1. 一種基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu)化方法，其特征在于：包括以下步 驟： 一、 根據(jù)所要診斷的機(jī)械設(shè)備計(jì)算提取特征參量P，并在特征空間構(gòu)造矢量Pi_j。 P1：i={pin，plj2，…，pljk|i= 1 ~M，j= 1 ~Ν}τ 其中，i表示故障類型的數(shù)目為M，j表示特征參量的數(shù)目為N，k為特征參量的維度（一 般取2)。矢量P、,的端點(diǎn)表示故障類型。 二、 構(gòu)造矢量由特征空間映射到判決空間的誤差向量ε^和總均方誤差ε。 ευ=其中，表示矢量Pu在判決空間的映像，V廣示矢量Pu投射在判決空間的點(diǎn)。 三、 計(jì)算將矢量由特征空間映射到判決空間的變換A。 a. 矢量Pu由特征空間映射到判決空間的矢量LAPu。 b. 根據(jù)總的均方誤差最小原則計(jì)算變換矩陣A。 由誤差向量％和總均方誤差ε以及矢量"公式可以推導(dǎo)出：因?yàn)檫x取的變換A使得ε最小，所以A可以通過(guò)下面公式求得， = 〇 ▽A表示梯度算子。 于是得： 又因?yàn)椋簩⑵鋷肷鲜龊愕仁降茫核砸獙ふ业淖儞QA為：當(dāng)故障類型的數(shù)目Μ彡2時(shí)，則變換A為：四、構(gòu)造在判決空間內(nèi)的新特征參量NP。NP = AXP〇
【專利摘要】本發(fā)明涉及一種基于最小二乘映射的機(jī)械故障特征參量?jī)?yōu)化方法，將用于機(jī)械設(shè)備在線監(jiān)測(cè)和故障診斷領(lǐng)域。具體包括以下步驟：根據(jù)所要診斷的機(jī)械設(shè)備計(jì)算提取特征參量，并在特征空間構(gòu)造特征矢量，再構(gòu)造特征矢量由特征空間映射到判決空間的誤差向量和總均方誤差，根據(jù)總均方誤差最小原則選擇變換矩陣，最后用變換矩陣構(gòu)造出新的特征參量。
【IPC分類】G06F17/50
【公開號(hào)】CN105260582
【申請(qǐng)?zhí)枴緾N201510835989
【發(fā)明人】趙宇, 李可, 陳鵬, 王華慶
【申請(qǐng)人】江南大學(xué)
【公開日】2016年1月20日
【申請(qǐng)日】2015年11月26日