基于快速非线性盲解卷积的旋转机械早期故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743585A(43)申请公布日2021.12.03(21)申请号202110940661.2(22)申请日2021.08.17(71)申请人山东科技大学地址266590山东省青岛市黄岛区前湾港路579号(72)发明人张宗振王金瑞韩宝坤季珊珊(74)专利代理机构青岛润集专利代理事务所(普通合伙)37327代理人赵以芳(51)Int.Cl.G06N3/04(2006.01)G06K9/62(2006.01)G06K9/00(2006.01)G01M13/045(2019.01)权利要求书1页说明书4页附图2页(54)发明名称基于快速非线性盲解卷积的旋转机械早期故障诊断方法(57)摘要本发明公开了一种基于快速非线性盲解卷积的旋转机械早期故障诊断方法，涉及基于振动信号的旋转机械早期故障诊断技术领域。方法包括以下步骤：输入信号前处理：对采集的振动信号样本进行Z‑Score归一化，确定滤波器的长度并构造故障信号的Hankel矩阵。非线性特征激活：确定尺度因子和平移因子，通过广义非线性Sigmoid函数，对样本进行激活。构建目标函数：对特征向量进行L2范数归一化，约束滤波器能量，求出L1范数，并添加滤波器L1/2范数惩罚项，构造出目标函数。模型训练并输出故障特征；故障类型诊断。本发明通过最小化特征向量的广义非线性L1/2范数，并引入L1/2范数惩罚项并约束滤波器能量，具有更好的噪声适应能力、计算效率和鲁棒性。CN113743585ACN113743585A权利要求书1/1页1.基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，包括以下步骤：(1)输入信号前处理：对采集的振动信号样本进行Z‑Score归一化，确定滤波器的长度并构造故障信号的Hankel矩阵；(2)非线性特征激活：确定尺度因子和平移因子，通过广义非线性Sigmoid函数，对输入矩阵进行激活；(3)构建目标函数：对特征向量进行L2范数归一化，约束滤波器能量，求出L1范数，并添加滤波器L1/2范数惩罚项，构造出目标函数；(4)模型训练并输出故障特征：通过拟牛顿法优化目标函数，利用训练好的滤波器对输入样本进行滤波，进行时频分析和包络分析，对滤波器进行频谱分析；(5)故障类型诊断：根据时频分布判断故障的特征周期、包络谱判断特征频率、频分布和滤波器频谱判断中心频率，定位故障类型。2.如权利要求1所述的基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，在步骤(1)中，采集的振动信号样本为x∈R1×N，其中R1×N表示1行N列的矩阵，根据转速信息确定滤波器长度L，对样本进行Z‑Score归一化，构造故障信号的Hankel矩阵其中Ns＝N‑L+1。3.如权利要求1所述的基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，在步骤(2)中，通过广义Sigmoid函数对输入矩阵进行非线性激活，并保证激活前后特征的0值分布一致，具体激活过程为其中f∈R1×L为滤波器，ε＝1×10‑8，a和和b分别为伸缩因子和平移因子，Y为激活后的特征。4.如权利要求1所述的基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，步骤(3)中，目标函数由非线性特征的L1/2范数滤波器的稀疏惩罚项组成，且滤波器被约束为单位能量；即：j其中‖f‖2＝1ij其中，‖·‖1和‖·‖2分别表示L1和L2范数，λ为惩罚项的调整系数，Y指第i个特征，f指滤波器的第j个元素。5.如权利要求1所述的基于快速非线性盲解卷积的旋转机械早期故障诊断方法，其特征在于，在步骤(4)中，通过拟牛顿法优化目标函数，利用训练好的滤波器对输入样本进行滤波，对滤波后的信号进行同步提取变换时频分析和Hilbert包络分析，对滤波器进行频谱分析。2CN113743585A说明书1/4页基于快速非线性盲解卷积的旋转机械早期故障诊断方法技术领域[0001]本发明涉及基于振动信号的旋转机械早期故障诊断技术领域，具体涉及一种基于快速非线性盲解卷积的旋转机械早期故障诊断方法。背景技术[0002]随着现代工业技术的发展和进步，工程车辆、轨道交通、航空航天、发电系统、冶金采矿等高端装备正朝着高速、高精、高效方向发展，建立可靠的健康监测系统是保证这些设备高效、安全运行的必要举措，对合理延长机械设备使用寿命、减少周期性维护费用以及保证设备运行的安全性都具有重要的意义。齿轮箱具有结构紧凑，传递精度高，传递扭矩大的特点，是高端装备传动系统必不可少的关键部件。这些装备经常在复杂恶劣的载荷环境下工作，齿轮箱中的旋转部件如轴承、齿轮等非常容易产生疲劳、破坏，而这些故障信号往往被淹没在环境噪声之中，尤其是对于较弱的早期故障，通过常规的时频分析方法很难直接通过采集到的