[发明专利]一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法

摘要

本发明螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法。本发明采用技术方案包括：基于对压缩机振动信号的形态滤波处理，首先，确定不同形状SE的最优尺度子集；其次基于不同形状SE的最优尺度子集对尺度元素自适应加权，利用蚁群爬山算法确定最优权重；再基于最有尺度子集及尺度元素的最优权重系数，综合不同的形状SE进行形状的自适应加权，用蚁群爬山算法确定最优权重；最后基于尺度和形状的最优权重，对原始信号进行多结构多尺度的最优加权形态滤波处理，对滤波信号的希尔伯特包络解调进行频谱分析，最终诊断出压缩机故障。本发明能有效消除噪声，提取故障特征信息。

主权项

1.一种螺杆式压缩机故障诊断的多尺度自适应加权广义形态滤波方法，其特征在于包括：S1、根据不同形状的结构元素构建基于单一尺度的平均形态滤波对采集的螺杆式压缩机原始振动信号进行滤波处理，利用频谱峰度选择出不同结构元素的最优尺度子集，并以此对每个结构元素构建单一形状尺度的自适应加权广义形态滤波对信号进行滤波，基于蚁群爬山算法寻优得到开闭和闭开运算部分的最优权重系数；S2、针对不同形状结构元素建立多尺度自适应加权的广义形态滤波，基于蚁群爬山算法对原始信号进行滤波处理，寻优确定不同尺度的权重系数，构建不同形状结构元素多尺度最优加权的广义形态滤波；S3、综合不同形状结构元素构建多结构多尺度自适应加权的广义形态滤波，利用蚁群爬山算法寻优确定结构元素不同形状的权重系数，最终建立针对原始信号多结构多尺度最优加权的广义形态滤波方法，对原始信号进行滤波处理，即可通过希尔比特包络谱进行特征频率分析，诊断出螺杆式压缩机故障。