[发明专利]一种机械设备健康退化状态辨识方法、设备及系统

摘要

本发明公开了一种机械设备健康退化状态辨识方法、设备及系统，属于机械状态监测和健康退化状态辨识领域。该方法先获取机械设备的多种监测信号，提取其时域特征、功率谱特征及本征模态能量特征，然后利用GSOM网络对上述特征进行融合，得到其融合特征，再构建GenSVM模型，利用上述融合特征数据对GenSVM模型进行训练，获得测试模型，最后实时采集待测机械设备的多种监测信号，获取上述信号的将融合特征数据输入到测试模型中，得到健康退化状态辨识结果。本发明的上述方法以及基于上述方法的设备和系统能够对机械设备的健康退化状态进行实时精确辨识，实现机械设备的状态实时监测，保障数控机床的安全、稳定、长周期运行。

主权项

1.一种机械设备健康退化状态辨识方法，其特征在于，包括训练阶段和测试阶段：训练阶段包括如下步骤：步骤1：获取机械设备的多种监测信号，对多种监测信号进行去奇异值处理和降噪处理；步骤2：对步骤1处理后的各监测信号进行时域分析，分别提取各监测信号的时域特征，包括：平均值、均方差值、方根幅值、均方根值、最大绝对值、歪度指标、峭度指标、峰值因子以及裕度因子；对步骤1处理后的各监测信号进行功率谱分析，分别提取各监测信号的功率谱特征，包括：频率中心、均方频率、均方根频率、频率方差和频率根方差；对步骤1处理后的各监测信号进行CEEMDAN分解，得到各监测信号的各个本征模态分量，计算每个模态分量的能量值作为机械设备健康退化状态的本征模态能量特征；步骤3：利用GSOM网络，分别对步骤2得到的各监测信号的时域特征、功率谱特征和本征模态能量特征进行融合，得到各监测信号的时域融合特征、功率谱融合特征和本征模态能量融合特征；步骤4：利用步骤3获得的各监测信号的各融合特征对GenSVM模型进行训练；测试阶段包括如下步骤：步骤5：针对实时采集的机械设备多种监测信号，按照步骤2和步骤3分别提取多种监测信号的特征并分别进行特征融合后，输入到步骤4训练好的GenSVM模型中，获得健康退化状态辨识结果。