[发明专利]一种电磁斥力机构故障监测方法、系统、设备及可读存储介质

权利要求书

1.一种电磁斥力机构故障监测方法，其特征在于，包括以下步骤：

S1，获取电磁斥力机构正常状态下分闸动作产生的振动信号样本集，并采用小波包归一化能量方法提取振动信号样本集的信号特征；

S2，采用获取的信号特征进行模型训练得到故障诊断模型，并设定诊断模型的故障诊断阈值；

S3，通过加速度传感器获取待测电磁斥力机构分闸动作产生的待测振动信号，并将获取的待测振动信号输入至故障诊断模型得到振动信号的信号特征与设定阈值对比，即可得到待测电磁斥力机构分闸动作的状态。

2.根据权利要求1所述的一种电磁斥力机构故障监测方法，其特征在于，采用LabVIEW中对采集到的振动信号进行小波包分解实现信号特征提取。

3.根据权利要求1所述的一种电磁斥力机构故障监测方法，其特征在于，对原始信号进行小波包分解，计算小波包分解后各节点的能量：信号能量通过以下公式计算

式中，x(k)为小波包分解后每个节点的信号，N为信号点数，Q为求得的该信号的能量；

对振动信号进行归一化处理：计算公式为

式中，E为小波包分解后各节点的总能量，E_i为各节点归一化能量，j为小波包分解层数。

4.根据权利要求1所述的一种电磁斥力机构故障监测方法，其特征在于，故障诊断模型基于支持向量机(SVM)，其分类原理满足如下公式

其中，{x_i,y_i}Ni＝1代表样本集，ξ_i为松弛因子，c为惩罚系数，b为基础系数，为目标函数，s.t.为约束条件，E_i表示小波包分解后各节点归一化能量，y_i表示信号类别，ω为分类超平面的法向量，ω^T为超平面法向量的转置向量。

5.根据权利要求1所述的一种电磁斥力机构故障监测方法，其特征在于，支持向量机(SVM)采用二分类的算法，对于n维空间的输入样本，寻找一个最优的分类超平面，使得两类样本在这个超平面下获得最好的分类效果。

6.一种电磁斥力机构故障监测系统，其特征在于，包括上位机和下位机，下位机包括数据采集卡，数据采集卡用于获取待测电磁斥力机构分闸动作产生的振动信号，并将获取的振动信号传输至上位机，上位机包括信号采集存储单元、特征提取单元和故障诊断单元，信号采集存储单元用于接收数据采集卡传输的振动信号并存储，同时传输至特征提取单元提取振动信号的信号特征，将提取的信号特征传输至故障诊断单元进行模型训练，故障诊断单元用于存储预训练模型，同时将获取的待测振动信号输入至故障诊断模型得到振动信号的信号特征与设定阈值对比，输出诊断状态。

7.根据权利要求6所述的一种电磁斥力机构故障监测系统，其特征在于，数据采集卡通过加速度传感器获取待测电磁斥力机构分闸动作产生的待测振动信号，加速度传感器的型号为LC0157T，测量范围为0-5000g，频响范围为0-20kHz，采用LC0207恒流源模块对其供电及信号调理。

8.根据权利要求6所述的一种电磁斥力机构故障监测系统，其特征在于，数据采集卡采用NI USB-6346BNC，共有8个模拟信号输入通道，单通道最高采样率为500kHz。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。