[发明专利]一种基于多特征融合的机械旋转部件性能退化跟踪方法

权利要求书

1.一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：它包括以下步骤：

步骤一：获取机械旋转部件退化数据；

步骤二：从机械旋转部件的原始振动信号中提取多种特征；

步骤三：计算提取得到的多种特征的相关性、单调性、鲁棒性和综合指标，筛选综合指标值最高的8项特征，构成敏感特征数据集；

步骤四：构建LSTM网络，将步骤四中筛选的敏感特征数据集输入到LSTM网络，进行多特征融合获得融合特征LSTM-HI，融合特征LSTM-HI即为健康因子。

2.根据权利要求1所述的一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：步骤一中获取机械旋转部件退化数据的方式为：使用多个加速度传感器采集从机械旋转部件运行过程中的振动数据。

3.根据权利要求2所述的一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：步骤二中的原始振动信号中提取步骤如下：

步骤二一：从步骤一中获取的振动信号中提取11项时域特征；

步骤二二：从步骤一中获取的振动信号中提取频域特征；

步骤二三：计算时域特征和频域特征的RS特征，RS特征表示当前时间和初始时间之间数据序列的相似性度量；

步骤二四：提取振动信号的时频域特征，通过对振动信号进行三级小波包分解，获得8个频率子带能量比作为时频域特征，此外，从振动信号中提取近似熵、样本熵和模糊熵，也作为时频域特征。

4.根据权利要求3所述的一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：步骤二一中的11项时域特征分别为：均值、标准差、峰峰值、均方根和熵值这5个有量纲的时域特征指标，表示为P₁～P₅，以及偏斜度、峭度、波形指标、峰值指标、脉冲指标和裕度指标这6个无量纲的时域特征指标，表示为P₆～P₁₁。

5.根据权利要求4所述的一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：步骤二二中的频域特征为：

假设采样频率为25.6kHz，若将整个频谱划分为四个子带，那么整个频谱和四个子带频谱分别位于0-12.8kHz，0-3.2kHz，3.2-6.4kHz，6.4-9.6kHz和9.6-12.8kHz；因此，将整个频谱和四个子带频谱作为频域特征。

6.根据权利要求5所述的一种基于多特征融合的机械旋转部件性能退化跟踪方法，其特征在于：步骤二三中的RS特征计算过程如下：

如果将时间t处的数据序列表示为f_t，并将初始时间处的数据序列表示为f₀，则通过以下方式计算RS特征：

其中，k代表数据序列的长度，和分别是和{f_tⁱ}_{i＝1,2,...,k}的平均值。