[发明专利]基于内置编码器信息的广义差分滤波方法

说明书

基于内置编码器信息的广义差分滤波方法，先利用内置编码器读取行星齿轮箱中测试轴的角位置信号，随机选取等长N段作为测试信号；然后采用高斯核函数构建核脊回归(KRR)模型，根据行星齿轮的啮合时间确定高斯核函数σ参数，并将测试信号输入该模型中，得到测试信号的平滑结果，计算测试信号与其平滑结果的最小均方误差(MSE)优化核脊回归(KRR)模型；最后采用优化后的核脊回归(KRR)模型构建任意l阶广义差分滤波器(GDF)，将编码器信号输入到该滤波器中得到任意l阶信号差分结果；本发明以信息数据为驱动，不仅自适应的构建了编码器信号精确、有效的差分滤波方法，益于故障特征提取和监测诊断的自动化，还可以准确、高效地获取机床的转动信息。

技术领域

本发明涉及机械设备故障诊断技术领域，特别涉及基于内置编码器信息的广义差分滤波方法。

背景技术

近年来，随着机械设备自动化、智能化的发展，编码器作为内置传感单元在工业机器人、航空发动机、空间机械臂等诸多精密装备中获得了广泛的配备。与传统振动信息相比，编码器信息拥有天然的优势，首先，编码器属于内置传感器，具有非接触测量和便于控制的优势；其次，作为一种角度传感器，编码器信息主要反映了设备的扭转振动，对局部碰磨、瞬态冲击、刚度突变具有较好的敏感性。因此，对内置编码器信息的研究，有望实现低成本、高性能、和智能化的机械设备故障诊断方法(M.Zhao,X.Jia,J.Lin,Y.Lei,and J.Lee,Instantaneous speed jitter detection via encoder signal and its applicationfor the diagnosis of planetary gearbox,Mechanical Systems and SignalProcessing,vol.98,pp.16-31,2018.)。

然而编码器的原始输出通常是模拟型周期脉冲或数字型位置序列，必须首先将其转化为瞬时角速度(IAS)或瞬时角加速度(IAA)，捕捉到能够反应扭振状况的动态量，才能用于监测诊断。2005年，英国学者Yuhua Li提出了数值差分法(Y.Li,F.Gu,G.Harris,A.Ball,N.Bennett,and K.Travis,The measurement of instantaneous angularspeed,Mechanical Systems and Signal Processing,vol.19,no.4,pp.786-805,2005.)，通过测量两个连续脉冲之间的运行时间来估计瞬时角速度(IAS)，由于采用中心差分法(CDM)进行数值计算，该方法对编码器的测量噪声和几何误差非常敏感。为了改进，国内有学者提出了一种用于编码器信号分析的局部多项式拟合(LPF)方法(M.Zhao,J.Jiao,and J.Lin,A Data-driven Monitoring Scheme for Rotating Machinery via Self-comparison Approach,IEEE Transactions on Industrial Informatics,pp.1-1,2018.)，局部多项式拟合(LPF)方法不直接对编码器信号进行差分，而是首先利用局部多项式逼近原始位置序列，从而平滑测量噪声。然而，通常被测系统的动力学特性和噪声量是事先未知，局部多项式拟合(LPF)难以自适应的拟合原始状态。因此，实现快速精确的差分算法对旋转机械设备的在线健康监测具有重要的意义。

发明内容

为了克服上述现有技术的局限性，本发明的目的在于提供基于内置编码器信息的广义差分滤波方法，该方法以机器学习为基础，引入核脊回归(KRR)模型(Exterkate,Peter.Model selection in kernel ridge regression.Computational Statistics&Data Analysis 68(2013):1-16.)，在高维特征空间中逼近数据拓扑结构，然后采用随机误差最小化方法对模型参数进行优化，实现基于数据驱动的编码器信息精确、高效的差分方法。

为了达到上述目的，本发明采取的技术方案为：