[发明专利]一种基于局部均值变换和Softmax的液压泵故障诊断方法

权利要求书

1.一种基于局部均值变换和Softmax的液压泵故障诊断方法，其特征在于实现步骤如下：通过分析从液压泵采集到的振动信号获取液压泵的实时状态，然后利用局部均值分解(LMD)将振动信号分解成若干个PF(Product function)分量，再对包含故障信息的PF分量进行分析，提取能量特征参数和相应的时域统计量；之后利用多维尺度分析(MDS)来进行特征约简，在得到约简后的特征之后，采用经过训练的逻辑斯蒂模型对液压泵进行健康评估，在对液压泵进行健康评估的过程中如果检测到故障发生，经过训练的Softmax回归模型将对可能的故障模式进行诊断。

2.根据权利要求1所述的基于局部均值变换和Softmax的液压泵故障诊断方法，其特征在于：所述利用局部均值分解(LMD)将振动信号分解成若干个PF(Product function)分量，再对包含故障信息的PF分量进行分析，提取能量特征参数的过程为：将一个复杂的多分量信号分解为若干个PF分量之和，其中每一个PF分量由一个包络信号和一个纯调频信号相乘而得到，将所有PF分量的瞬时幅值和瞬时频率组合便得到原始信号完整的时频分布，循环上述过程以将所有的PF分量分解出来，便得到原始信号的时频分布，通过求分解得到的PF分量的归一化能量值以及每一个PF分量的偏度系数及峭度系数，得到原始信号的特征向量。

3.根据权利要求1所述的基于局部均值变换和Softmax的液压泵故障诊断方法，其特征在于：所述利用多维尺度分析(MDS)来进行特征约简的过程为：通过对多个原始信号进行局部均值变换得到的原始信号数据集特征矩阵进行特征约简，将得到的特征矩阵中特征向量的维度进行降低，得到约简之后的低维特征向量形成的特征矩阵。

4.根据权利要求1所述的基于局部均值变换和Softmax的液压泵故障诊断方法，其特征在于：所述采用经过训练的逻辑斯蒂模型对液压泵进行健康评估的过程为：将由测试数据得到的特征向量输入经过训练的逻辑斯蒂模型，计算其CV值，通过将该CV值与预设的阈值进行比较，当该CV值大于预设的阈值时，则认为系统状态健康；反之则认为系统发生故障。

5.根据权利要求1所述的基于局部均值变换和Softmax的液压泵故障诊断方法，其特征在于：所述经过训练的Softmax回归模型将对可能的故障模式进行诊断的过程为：当健康评估过程中判定系统发生故障时，则将相应的测试数据特征向量输入训练完成的Softmax回归模型，得到其对应于每种故障模式发生的概率，对于概率值较高，即概率值在0.75以上的情况则认为该种故障发生。