[发明专利]一种机械振动故障特征时域盲提取方法

权利要求书

1.一种机械振动故障特征时域盲提取方法，其特征在于：所述机械振动故障特征时域盲提取方法的具体步骤如下：

Step1、初始化时延参数L、主分量数目n_pc、聚类数目n_cluster；

Step2、中心化处理由加速度传感器所接收到的振动观测信号x(t)得到信号x(t)，通过补零张成高维子空间信号x'(t)，对高维子空间信号x'(t)进行PCA主分量分析得到低维信号x(t)_pc；

Step3、对步骤Step2中得到的低维信号x(t)_pc执行FastICA独立分量分析算法，得到独立分量ic(t)，计算独立分量ic(t)的归一化峭度kurt_ic并求出kurt_ic中最小值对应的分量信号c(t)，即最小归一化峭度值对应分量信号c(t)；

Step4、根据步骤Step3中得到的最小归一化峭度值对应分量信号c(t)，利用正交匹配追踪OMP算法重构出周期信号p(t)，将独立分量ic(t)减去重构信号p(t)得到剔除周期信号的独立分量信号ic(t)'；

Step5、再利用改进的KL距离算法计算独立分量信号ic(t)'各分量间的距离，获取距离矩阵D，对D进行动态粒子群聚类，重构聚类分量获得估计源信号y(t)；

Step6、对估计的源信号y(t)进行包络谱分析，最终实现故障诊断。

2.根据权利要求1所述的机械振动故障特征时域盲提取方法，其特征在于：所述步骤Step4中所述的利用正交匹配追踪OMP算法重构出周期信号p(t)的具体步骤如下：

Step4.1、初始化迭代次数i、增量矩阵Μ、残差c(t)、机生成高斯测量矩阵Φ；

Step4.2、正交变换基为单位矩阵的傅里叶变换形成的矩阵Ψ；

Step4.3、根据步骤Step4.1和步骤Step4.2得到的矩阵计算恢复矩阵Θ＝Φ×Ψ；

Step4.4、再计算恢复矩阵Θ与残差c(t)的投影系数；根据最大投影系数对应的位置来扩充增量矩阵Μ；

Step4.5、对Μ进行最小二乘法使得残差最小并更新残差c；

Step4.6、判断是否达到迭代次数i，如果没有达到迭代次数i，转到步骤Step4.4；如果达到迭代次数i，转到步骤Step4.7；

Step4.7、根据最大投影系数位置，重构频域向量，然后进行傅里叶逆变换得到重构的时域周期信号p(t)。

3.根据权利要求1所述的机械振动故障特征时域盲提取方法，其特征在于：所述步骤Step5中，所述的利用改进的KL距离算法计算独立分量信号ic(t)'各分量间的距离，获取距离矩阵D的具体步骤为：

Step5.1、将已剔除周期信号的独立分量ic(t)'转换为一维数组，并求出数组的长度l，计算一维数组中的各元素y(i)及其出现的概率q(i)，并求所有元素y(i)的平方和为Q，其中i＝1,2,…,l；

Step5.2、将y(i)、q(i)和Q代入公式求出概率密度函数p(i)，其中i＝1,2,…,l；

Step5.3、将概率密度函数p(i)代入KL距离算法公式：

获得距离矩阵D，其中i＝1,2,…,l；j＝1,2,…,l。