基于经验模态分解和奇异值分解的振源数估计方法.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CN111458141A(43)申请公布日2020.07.28(21)申请号202010280038.4(22)申请日2020.04.10(71)申请人中国工程物理研究院机械制造工艺研究所地址621000四川省绵阳市绵山路64号(72)发明人李芳张连新孙鹏飞刘维新于长志曹宇肖虹(74)专利代理机构成都行之专利代理事务所(普通合伙)51220代理人李朝虎(51)Int.Cl.G01M13/028(2019.01)G01M13/021(2019.01)G06F17/16(2006.01)权利要求书2页说明书6页附图5页(54)发明名称基于经验模态分解和奇异值分解的振源数估计方法(57)摘要本发明公开了基于经验模态分解和奇异值分解的振源数估计方法，包括S1：采集行星减速器振动观测信号；S2：采用经验模态分解方法对振动观测信号进行虚拟通道扩展；S3：采用奇异值分解方法求取通道扩展后振动信号的相关系数矩阵特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果，指导行星减速器的盲源分离和后续故障诊断。本发明解决行星减速器故障诊断过程中存在的观测传感器数量小于振源数量，无法准确估计行星减速器振动信号振源数量问题，可在不增加观测传感器硬件数量的前提下准确实现振动信号盲源数估计，提高基于振动信号分析的行星减速器故障诊断准确性。CN111458141ACN111458141A权利要求书1/2页1.基于经验模态分解和奇异值分解的振源数估计方法，其特征在于，该方法包括以下步骤：S1：利用观测传感器采集行星减速器振动观测信号，其中，观测传感器数量少于振源数量；S2：对步骤S1采集的行星减速器振动观测信号进行经验模态分解，得到振动观测信号的多个固有模态，进而通过虚拟通道扩展的方式实现振动观测信号数量多于振源数量；S3：对步骤S2获得的多个固有模态计算功率谱密度函数，并以功率谱密度函数的最大值组建相关系数矩阵；通过对相关系数矩阵进行奇异值分解，得到相关系数矩阵的特征值矩阵，对角线元素即为相关系数矩阵对应的所有特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果；并通过估计出的盲源数指导行星减速器的盲源分离和后续故障诊断。2.根据权利要求1所述的基于经验模态分解和奇异值分解的振源数估计方法，其特征在于，所述步骤S2的具体步骤如下：S21：分析行星减速器振动观测信号x(t)上所有的极大值点和极小值点，将所有极大值点和极小值点分别采用三次样条曲线拟合，获得极大值包络xmax(t)线和极小值包络线xmin(t)；其中，行星减速器振动观测信号x(t)作为原始振动信号；S22：计算极大值包络线xmax(t)和极小值包络线xmin(t)的均值，得到平均值曲线m1(t)，用振动信号x(t)减去m1(t)得到一个固有模态函数IMF为h1(t)；S23：验证得到的固有模态函数IMFh1(t)是否满足两个条件：整个信号中零点数和极点数相等或至多相差1，信号上任意一点由局部极大值确定的包络线和由局部极小值确定的包络线的均值为零；如不满足则将h1(t)作为原始振动信号重复步骤S21和S22得到h11(t)，这样重复N次直到h1k(t)满足上述两个条件，就从原始振动信号中分解出了第一个固有模态函数IMF，称为1阶IMF分量，记为c1(t)；S24：将原始振动信号x(t)减去c1(t)得到1阶剩余信号r1(t)，重复步骤S21、S22、S23，相继得到2阶IMFc2(t)，3阶IMFc3(t)....n阶IMFcn(t)和残余分量rn(t)，当rn(t)为单调函数时，经验模态分解结束；S25：采用前L阶固有模态函数IMF作为虚拟观测信号来扩展行星减速器振动信号观测矩阵。3.根据权利要求2所述的基于经验模态分解和奇异值分解的振源数估计方法，其特征在于，步骤S25所述的前L阶固有模态函数IMF中的L＝5。4.根据权利要求1所述的基于经验模态分解和奇异值分解的振源数估计方法，其特征在于，步骤S3的具体步骤如下：S31：根据步骤S2的经验模态分解获得原始振动信号的固有模态函数，采用这些固有模态函数构建互相关系数矩阵，公式如下：2CN111458141A权利要求书2/2页式中：A为构建的互相关系数矩阵；AIMFi*AIMFj代表原始振动信号的第i个固有模态函数与第j个固有模态函数的互相关系数；S32：根据互相关系数矩阵A，分别计算AAT矩阵和ATA矩阵的特征值和特征值向量，AT为A矩阵的转置，计算得到AAT矩阵的特征向量为矩阵A奇异值分解的左奇异向量P，计算得到ATA矩阵的特征向量为矩阵A奇异值分解的右奇异向量