[发明专利]一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法

权利要求书

1.一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法，其特征在于包括：

S1、根据不同形状的结构元素构建基于单一尺度的平均形态滤波对采集的螺杆式压缩机原始振动信号进行滤波处理，利用频谱峰度选择出不同结构元素的最优尺度子集，并以此对每个结构元素构建单一形状尺度的自适应加权广义形态滤波对信号进行滤波，基于蚁群爬山算法寻优得到开闭和闭开运算部分的最优权重系数；

S2、针对不同形状结构元素建立多尺度自适应加权的广义形态滤波，基于蚁群爬山算法对原始振动信号进行滤波处理，寻优确定不同尺度的权重系数，构建不同形状结构元素多尺度最优加权的广义形态滤波；

S3、综合不同形状结构元素构建多结构多尺度自适应加权的广义形态滤波，利用蚁群爬山算法寻优确定结构元素不同形状的权重系数，最终建立针对原始振动信号多结构多尺度最优加权的广义形态滤波方法，对原始振动信号进行滤波处理，即可通过希尔比特包络谱进行特征频率分析，诊断出螺杆式压缩机故障。

2.根据权利要求1所述的一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法，其特征在于：所述步骤S1中基于蚁群爬山算法寻优得到开闭和闭开运算部分的最优权重系数的方法包括有：

1)蚁群位置的初始化

设蚁群的种群数目为m，搜索空间的维数为2，空间每维的区间最大值L_i＝0.999，最小值为l_i＝0.001，i＝1，2，任取一维区间对其进行m等分，每一等分长度为等分区间为

第k只蚂蚁的初始位置：

其中：k＝1，2，…，m；rand(l_i,L_i)表示从l_i到L_i之间的一个随机数，且

2)适应度函数的建立

记原始振动信号为f(t)，滤波信号为f′(t)，以滤波后的峰值信噪比PSNR为蚂蚁个体的适应度函数

3)信息素的初始化

表示第i只蚂蚁初始的信息素；

4)转移准则

采用信息素最优和适应度函数值最优的两只蚂蚁同时作为最优秀蚂蚁，第i只蚂蚁向第j只蚂蚁移动的转移概率为：

其中d_ij表示x_i，x_j两只蚂蚁之间的距离；

蚂蚁个体的移动策略为：非优秀蚂蚁一部分向信息素最优蚂蚁移动，一部分向适应度函数值最优蚂蚁移动，而两只优秀蚂蚁各自在自己的邻域内用爬山法做局部搜索进行移动，非优秀蚂蚁的移动规则如下：

情况1：若两只优秀蚂蚁相同，记为x₁，则非优秀蚂蚁的位置更新为：

其中：p₀＝0.5 Δx_k＝[rand(-1,1),rand(-1,1)] λ∈(0.5,1)

情况2：若两只优秀蚂蚁不相同，则用x₁表示信息素最优的蚂蚁，x₂表示适应度函数值最优的蚂蚁，先定义

然后令p_ij＝min{p_k1,p_k2} (7)

则非优秀蚂蚁的位置更新为：

式中x_j的选择规则如下：当p_kj≤p₀时x_k以概率p取x₁，即向x₁移动；以概率1-p取x₂，即向x₂移动；所述的j＝1或2；

5)信息素的更新

设信息素的挥发系数为ρ∈(0,1)，定义

其中，ΔT_k(i)表示第k时刻第i只蚂蚁信息素的增量，T_k(i)表示第k时刻第i只蚂蚁的信息素，ΔT_k和T_k均为二维向量；

6)基于开闭和闭开运算部分自适应加权的蚁群爬山算法寻优步骤如下：

步骤6.1：令k＝1，给出k_t，k代表循环次数，k_t代表循环终止次数，设定蚁群爬山算法的基本参数p₀,k₀,a₀,d₀,ρ，d₀为爬山算法中的步长，f_s为采样频率；利用(2)式找出m个初始点表示m只蚂蚁，记为x_i,i＝1,2,3...m；利用(3)式计算每只蚂蚁的初始信息素T(i),i＝1,2,…,m；

步骤6.2：判断m只蚂蚁中信息素最优的蚂蚁，记为x₁，适应度函数值最优的蚂蚁，记为x₂；

步骤6.3：若两只蚂蚁相同,则利用(4)式计算所有非优秀蚂蚁的转移概率，按照(5)式对这些蚂蚁进行移动，优秀蚂蚁则按照爬山法移动，否则转步骤6.4；

步骤6.4：先利用(6)式计算p，用(4)式和(7)式计算非优秀蚂蚁的转移概率；若转移概率满足(8)式的第一个条件，则x_i按(8)式的第一个规则以概率p向x₁移动，以概率1-p向x₂移动，若转移概率满足(8)式的第二个条件，则x_i按(8)式的第二个规则随机移动，优秀蚂蚁按照爬山算法移动；

步骤6.5：如果k≤k_t，利用(9)式更新信息素，转步骤6.2，否则停止，输出最优值即为开闭和闭开运算部分的最优权重系数。