[发明专利]一种在线间歇故障检测与诊断方法

说明书

本发明公开了一种在线间歇故障检测与诊断方法，具体包括以下步骤：(1)利用待诊断系统获取标准故障数据集；(2)通过小波模极大值法判断信号中是否存在奇异点，识别出数据集中的间歇故障信号；(3)利用经验小波变换对检测出的间歇故障信号进行处理，实现间歇故障信号的自适应分解；(4)计算经验模态分量与原始间歇故障信号的皮尔逊相关系数以及经验模态分量的峭度，优化选取分量进行特征提取；(5)通过灰色关联度分析方法对待识别间歇故障信号和参考间歇故障模式的多个特征参数进行快速匹配，建立动态变化的间歇故障模式库；(6)根据不同间歇故障模式出现的次数和时间差对间歇故障类别进行判定，得出在线诊断结果。

技术领域

本发明涉及在线间歇故障检测与诊断技术领域，特别涉及一种基于信号奇异点检测、经验小波变换和灰色关联度分析的在线间歇故障检测与诊断方法。

背景技术

间歇故障现象在生产和生活中十分普遍，对系统性能和设备安全构成了巨大的威胁。据统计，集成电路中的间歇故障通常是永久故障的10-30倍。来自美军装备和电子工业的数据表明，间歇故障占整个系统故障的70％-90％，是系统失效的主要原因。由于各种设备的运行环境越来越多样化，许多设备甚至工作在超高温、超低温、高辐射、高腐蚀的极恶劣环境。复杂多变的环境加重了系统的负担，同时系统部件磨损、人为操作不当、机械应力、元件制造工艺不佳等都会使得系统中的间歇故障频繁发生。探索间歇故障的特点，研究在线间歇故障的检测方法和诊断方法，对于保证系统可靠安全地运行具有重要意义。

间歇故障是指发生故障后，未经处理可以在有限时间内自行恢复功能，可反复出现，持续时间相对较短的一类特殊故障，特点是间歇性、反复性和随机性。系统本身的缺陷可能会造成间歇故障，比如机械系统中，轴承和齿轮的磨损、裂隙等容易造成周期性、固定幅值的间歇故障。在电子设备中，间歇故障一般由外界环境引起，具有非周期、时变幅值和不同时刻的故障相互独立等特点。因此，如果外界扰动结束，故障就会消失，需要大量的人力和时间来反复测试和更换可疑部件。相比永久故障而言，间歇故障行为模式复杂，通常不是以一种可预知的方式出现和消失，因此间歇故障很难检测与诊断。

间歇故障信号中通常包含一个或多个瞬态跳变过程，瞬态跳变是一种奇异结构，在数学上又被称为奇点，是指在该点函数不连续或导数不存在。采用基于小波模极大值的信号奇点辨识方法，可以较为准确地计算出信号中奇点的位置，因此可将间歇故障的检测问题转换为奇点信号的检测问题。经验小波变换(EWT)是建立在小波变换(WT)基础上的，通过对傅里叶变换的频谱进行划分，构造合适的正交小波滤波器组以提取具有紧支撑傅里叶频谱的调幅调频(AM-FM)成分，通过对分量进行特征提取从而进行故障诊断。为了能够快速诊断间歇故障，通过对提取的间歇故障信号的多个特征参数进行匹配识别，同时记录不同间歇故障模式出现的次数及时间差以确定信号的不同状态，从而达到间歇故障在线诊断的目的。

发明内容

本发明的目的是提出一种在线间歇故障检测与诊断方法，通过滑动时间窗口对采集信号进行在线处理，采用小波模极大值法实现间歇故障信号检测，通过经验小波变换对检测出的间歇故障信号进行分解，优化选取更能表现原始间歇故障信号特征的经验模态分量进行特征提取，通过灰色关联度分析方法对待识别间歇故障信号进行多特征快速匹配，建立动态变化的间歇故障特征模式库，根据不同间歇故障模式出现的次数和时间差判断间歇故障的类别，从而实现间歇故障的在线诊断。

为达到上述目的，本发明的技术方案提供一种在线间歇故障检测与诊断方法，所述方法包括以下步骤：

1)采集待诊断系统在不同运行状态下的监测信号，通过滑动时间窗口对采集到的信号进行在线处理，以时间窗口获取的多段数据作为故障数据集，这些数据包括正常信号、不同间歇故障信号和永久故障信号；

2)对采集到的不同状态的信号进行异常检测，通过小波模极大值法对信号中的奇异点进行检测，将对间歇故障信号的检测问题转化为对奇点信号的检测问题，从而识别出数据集中的间歇故障信号；