张量奇异谱分解方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116026591A(43)申请公布日2023.04.28(21)申请号202211534378.0G01M13/00(2019.01)(22)申请日2022.12.02(71)申请人赛腾机电科技(常州)有限公司地址213032江苏省常州市新北区华山路18号(72)发明人杨博淙张飞斌孟力杨康定王飞彪(74)专利代理机构常州至善至诚专利代理事务所(普通合伙)32409专利代理师赵旭(51)Int.Cl.G01M13/045(2019.01)G06F17/16(2006.01)G06F18/213(2023.01)G06F18/24(2023.01)权利要求书2页说明书7页附图2页(54)发明名称张量奇异谱分解方法(57)摘要本发明涉及故障诊断技术领域，尤其涉及一种张量奇异谱分解方法，包括以下步骤：S1：获取待诊断设备的多个振动信号，对每个振动信号预处理；S2：通过功率谱密度方法确定每个振动信号的频带范围和最大谱峰频率，根据最大谱峰频率构建多通道三阶张量信号S3：对多通道三阶张量信号进行张量Tensor‑SVD分解，并进行重构，计算每个振动信号对应的分量信号；S4：根据每个分量信号，判断待诊断设备是否存在故障。本发明提供一种张量奇异谱分解方法，故障诊断精度高，为旋转机械设备状态监测和剩余寿命预测提供基础支撑，避免对设备诊断时漏诊和误诊，提高了设备运转的安全性。CN116026591ACN116026591A权利要求书1/2页1.一种张量奇异谱分解方法，其特征在于，包括以下步骤：S1：获取待诊断设备的多个振动信号，对每个所述振动信号预处理；S2：通过功率谱密度方法确定每个所述振动信号的频带范围和最大谱峰频率，根据所述最大谱峰频率将预处理后的每个所述振动信号构建为多通道三阶张量信号其中，I1为三阶张量的第一阶、I2为三阶张量的第二阶以及I3为三阶张量的第三阶；S3：对所述多通道三阶张量信号进行张量Tensor‑SVD分解，并进行重构，计算每个所述振动信号对应的分量信号；S4：根据所述分量信号，判断所述待诊断设备是否存在故障。2.如权利要求1所述的张量奇异谱分解方法，其特征在于，在步骤S1中，所述振动信号为两个，分别为振动信号x和振动信号y，通过MATLAB的工具箱中消除线性趋势项的detrend函数对所述振动信号x和所述振动信号y预处理。3.如权利要求2所述的张量奇异谱分解方法，其特征在于，在步骤S2中包括以下步骤：S21：计算所述振动信号x和所述振动信号y的功率谱密度，所述振动信号x功率谱密度为PSDx，所述振动信号y的功率谱密度为PSDy；S22：计算所述振动信号x和所述振动信号y的最大谱峰频率p：p＝max(PSDx，PSDy)(1)；S22：根据所述最大谱峰频率将所述振动信号x和所述振动信号y分别构建为振动信号矩阵X和振动信号矩阵Y；所述振动信号矩阵X表达式为：所述振动信号矩阵Y表达式为：其中，I2根据所述最大谱峰频率p计算：I2＝(0.8～1.2)Fs/p(4)；其中，Fs为采样频率；S24：采用堆叠法将所述振动信号矩阵X和所述振动信号矩阵Y构建为双通道三阶张量信号2CN116026591A权利要求书2/2页其中，Α::1和Α::2分别表示所述三阶张量信号的第1个正面切片和第2个正面切片。4.如权利要求3所述的张量奇异谱分解方法，其特征在于，在步骤S3中包括以下步骤：S31、将所述双通道三阶张量信号的正面切片进行水平展开得到矩阵B；S32、对所述矩阵B进行矩阵对角化，得到矩阵D，再对矩阵D进行奇异值分解，得到左奇异矩阵Uo、核心矩阵So和右奇异矩阵Vo；S33、对所述左奇异矩阵Uo、所述核心矩阵So和所述右奇异矩阵Vo进行逆对角化，得到张量U、核心张量S和张量V；S34、按顺序挑选出所述核心张量S中的第i个奇异值，构建为新核心张量Si，根据张量积对所述张量U、所述新核心张量Si和所述张量V进行重构，重构出第i个奇异值对应的张量Ai：Ai＝U*Si*VT(11)；其中，i＝1,…I2；S35、对所述第i个奇异值对应的张量Ai逆重构，获取振动信号x的分量信号xi和所述振动信号y的分量信号yi。5.如权利要求4所述的张量奇异谱分解方法，其特征在于，在步骤S4中，计算所述振动信号x的分量信号xi、以及所述振动信号y的分量信号yi的包络谱和所述待诊断设备的故障特征频率f，在所述包络谱中能找到接近所述故障特征频率f的频率值fo及所述频率值的倍频，判断所述待诊断设备是否有故障。6.如权利要求2所述的张量奇异谱分解方法，其特征在于，振动信号x和振动信号y通过安装在轴承上的两个加速度振动传感器采集，采样点数为N。7.如权利要求4所述的张量奇异谱分解方法，其特征在于，根据所述振动信