[发明专利]一种用于机械设备故障诊断的信号特征提取方法及系统

权利要求书

1.一种用于机械设备故障诊断的信号特征提取方法，其特征在于，包括：

获取机械设备时域信号数据；

所述数据为一行l列矩阵，将最后一个数据变为第二行的第一个数据，第二行其余位置补零，将数据变为两行l-1列的新矩阵；

将新矩阵的最后一个数据变为第二行的第一个数据，第二行原有数据向后顺延，除去多余零元素，得到两行l-2列的新矩阵；依此类推，直至得到两行列的新矩阵；

其中，表示数据样本的第1个数据，表示数据样本的第2个数据，依此类推，表示样本最后一个数据；

将新矩阵第一行最后一个数据变为第二行的第一个数据，第二行最后一个数据变为第三行的第一个数据，第三行的其余元素补零，得到三行-1列的新矩阵；

依次类推，最终得到l行1列的新矩阵；

对于上述过程中的所有矩阵，，，...，，分别将列方向上的数据求和，变为列数不变、行数变为1的行向量，，，...，，对于行向量，,，...，分别计算标准差，选取标准差数值的前n个结果组成数据的故障信号频谱特征向量，n为设定值；

将所述故障信号频谱特征向量输入训练好的神经网络模型中，得到机械设备故障诊断结果。

2.如权利要求1所述的一种用于机械设备故障诊断的信号特征提取方法，其特征在于，分别获取机械设备在正常和各种不同故障状态下的原始时域信号数据，对每个状态下的原始时域信号数据进行不重叠的连续滑窗取样，分割成多个数据样本；

采用权利要求1所述的信号特征提取方法对每一个数据样本进行故障信号频谱特征向量提取；

将提取到的所有故障信号频谱特征向量构成训练数据集，利用所述训练数据集进行神经网络模型的训练，得到机械设备故障诊断模型。

3.如权利要求2所述的一种用于机械设备故障诊断的信号特征提取方法，其特征在于，还包括：

对于上述过程中的所有矩阵，，，...，，分别将行方向上的数据求和，变为行数不变、列数变为1的列向量，，，...，，对于列向量，,，...，分别计算标准差，选取标准差数值的前m个结果组成数据的故障信号分布特征向量，m为设定值。

4.如权利要求1所述的一种用于机械设备故障诊断的信号特征提取方法，其特征在于，所述机械设备时域信号为机械设备周期性的时域振动信号。

5.如权利要求1所述的一种用于机械设备故障诊断的信号特征提取方法，其特征在于，矩阵的列数为i，行数为；其中，i为矩阵的下标，i=l，l-1，l-2，l-3，…，1；l为矩阵的总个数，为向上取整函数。