[发明专利]一种高阶累积量特征提取方法适用性的判断方法

说明书

技术领域

本发明涉及一种机械故障提取方法在故障趋势预测中适用性的判断方法，特别是关于一种适用于机械故障诊断领域中对1.5维谱特征提取方法的高阶累积量特征提取方法适用性的判断方法。

背景技术

对机械设备故障进行趋势预测研究，有利于对机械设备实施主动维修，减少经济损失。故障特征提取方法是进行故障趋势预测研究的关键，因此，现有技术中人们根据不同的理论提出了不同的故障特征提取方法。高阶累积量理论是近年来应用于故障特征提取的一种理论方法，其中1.5维谱特征提取方法是应用比较广泛的一种。但机械故障类型多种多样，1.5维谱特征提取方法适用于哪一种故障类型，没有理论依据，只能根据经验初步判断，判断结果较为主观，存在较大的误差。

发明内容

针对上述问题，本发明的目的是提供一种高阶累积量特征提取方法适用性的判断方法，该方法为设备故障趋势预测研究中特征提取方法的选择提供了理论基础，可以较为准确的判断出1.5维谱特征提取方法适用于哪种故障类型。

为实现上述目的，本发明采取以下技术方案：一种高阶累积量特征提取方法适用性的判断方法，其包括以下步骤：(1)采用转子实验台模拟机械设备正常运行状态，利用现有数据采集设备采集转子实验台在正常运行状态下的振动信号x_w(n)＝{x_1,...x_N}，其中，N代表每组数据个数，w代表数据组别，w＝1；(2)利用转子实验台模拟机械设备在某一种故障下的轻度故障程度、中度故障程度和重度故障程度三种故障程度，并利用现有数据采集设备采集转子实验台在三种故障程度下的振动信号x_w(n)＝{x_1,...x_N}，其中，N代表每组数据个数；w代表数据组别，w＝2、3、4，分别代表轻度故障程度状态、中度故障程度状态以及重度故障程度状态；(3)计算所有振动信号中每组振动信号1.5维谱；(4)假设机械设备正常运行状态下振动信号的1.5维谱的最大值为S₁，机械设备轻度故障程度、中度故障程度、重度故障程度状态下的1.5维谱的最大值分别为S₂、S₃和S₄，当1.5维谱的最大值满足下式：

S2-S1S1≥50%,]]>

则判断为1.5维谱特征提取方法对于机械设备故障劣化具有敏感性；若1.5维谱的最大值满足S₁＜S₂＜S₃＜S₄，则判断为1.5维谱特征提取方法对于机械设备故障劣化具有趋势性；同时满足敏感性和趋势性的特征提取方法适用于该故障的机械设备故障趋势预测。

所述步骤(3)中，每组振动信号1.5维谱的计算步骤如下：Ⅰ)将所有振动信号的每组数据中N个数据都分为K段，每段M个数据，每段数据作为一个记录；Ⅱ)对每一个记录进行去均值，再计算三阶累积量对角切片，得到三阶累积量对角切片平均值；Ⅲ)对三阶累积量对角切片平均值做一维傅里叶变换，得到振动信号的1.5维谱S_w,3x(ω_r)为：

τ为时延；3x表示三阶累积量。

所述步骤中Ⅱ)中，其具体步骤如下：(a)假设是第i个记录，其中，i＝1,...K，h＝0,1,...M-1；对第i个记录求其三阶累积量对角切片为：