[发明专利]利用变分模态分解重构信号绘制轴心轨迹图的方法

说明书

本发明涉及旋转机械设备故障诊断技术领域，公开了利用变分模态分解重构信号绘制轴心轨迹图的方法，通过本征模态函数分量的信息熵均值确定变分模态分解模型的层数，并利用相关性的大小对信号进行重构，最终作出重构信号的轴心轨迹图。利用本发明方法得到的轴心轨迹图能够有效降低原始轴心轨迹图中的噪声，提高了后续故障诊断的准确性。

技术领域

本发明属于旋转机械设备故障诊断技术领域，具体涉及一种利用变分模态分解重构信号绘制轴心轨迹图的方法。

背景技术

旋转机械作为现代工业重要的机械设备，广泛应用于工业生产中。一旦旋转设备出现故障会造成巨大的经济损失。旋转设备常常出现的故障有不平衡、不对中等，常常可通过观察轴心轨迹图来识别，但实际应用中获取的位移信号常常被噪声所淹没，因此得到的轴心轨迹图常常也是不够准确的，造成故障识别准确率不高。

对于如何去除信号的噪声，大量的专家学者对此进行了研究。由于现场旋转设备多振源且噪声干扰严重，传统的时频分析方法分辨率较低，具有很大的局限性；小波变换(WT)分辨率比较好，能分辨出信号的时频特性，继承和提升了时频多分辨率的特点，但是小波变换只对低频信号进行分解，对于高频信号则效果不明显；经验模态分解(EMD)是一种自适应信号分析方法，能提取信号的局部特征，对非线性、非平稳信号的处理具有很高的效率，但模态之间会产生重叠的现象；在经验模态分解基础上提出了变分模态分解方法(VMD)，它能够根据中心频率确定本征模态分量，从而避免了模态重叠，对于变分模态分解，常常利用中心频率确定本征模态个数，但是根据中心频率确定分量个数的方法较为繁琐。

发明内容

有鉴于此，本发明提供的一种新的利用变分模态分解重构信号绘制轴心轨迹图的方法，至少能够部分的解决现有技术中存在的问题，为了达到上述目的，本发明采取的技术方案为：

利用变分模态分解重构信号绘制轴心轨迹图的方法，其特征在于，包括以下步骤：

S1、获取旋转设备在垂直于轴线平面并经过轴线的两个相互垂直方向(X方向和Y方向)上的原始位移信号；

S2、设定初始的本征模态函数分量层数K＝2；

S3、对X方向原始位移信号进行变分模态分解，计算出每层本征模态函数分量的信息熵，并进一步求出所有各层信息熵的均值；

S4、不断增加本征模态函数分量层数K，即令K＝K+1，重复步骤S3，直到出现信息熵的均值最小的变分模态分解模型，该模型即为该原始位移信号下的最优变分模态分解模型，该模型下的层数K即为最优模态层数；

S5、将最优变分模态分解模型中和原始位移信号相关度高的各层本征模态函数分量对应值相加，得到重构的X方向位移信号；

S6、同理，对Y方向上的原始位移信号按照步骤S2-S5操作，得到重构的Y方向位移信号；

S7、利用重构的X方向和Y方向位移信号绘制轴心轨迹图。

作为优选，步骤S4中本征模态函数分量层数K的最大值为16。

更进一步地，步骤S5中的相关度是通过计算原始位移信号和每层本征模态函数分量的相关系数ρ来确定的，且将ρ0.3定义为相关度高。

更进一步地，获取的原始位移信号包括正常工作状态和各种典型故障状态，从而得到正常工作状态和各种典型故障状态下对应的轴心轨迹图。

更进一步地，将所有轴心轨迹图放入百度飞桨中进行训练，生成训练模型，并用训练模型对旋转设备进行在线诊断。

本发明相比现有技术具有以下明显的优点：

1、通过判断所有层本征模态函数分量的信息熵均值确定变分模态分解模型的分解层数，能够快速得到最优变分模态分解模型，提高了建立模型的效率；