[发明专利]一种旋转机械设备状态监测与故障诊断方法

权利要求书

1.一种旋转机械设备状态监测与故障诊断方法，其特征在于，该方法的步骤包括

S1、在旋转机械设备的正常工作状态和多种故障工作状态下采集振动信号，并进行经验模态分解，提取能量特征向量样本；

S2、对能量特征向量样本进行可分性分析，判断每种类别状态间样本的差异性和每种类别状态内样本的相似性；

S3、将正常工作状态和多种故障工作状态下所提取的样本组成训练集，进行费希尔判别分析，并构建正常判别总体和多种故障判断总体，分别提取判别分析函数；

S4、实时采集旋转机械设备在t时刻工作状态下的振动信号，并对其进行经验模态分解，选取包含主要退化特征的前p个本征模态函数分量，提取能量特征向量x；

S5、利用所述判别分析函数，计算能量特征向量x与正常总体及每种故障总体之间的马氏距离，基于既定的判定规则对当前工作状态是否故障进行判断，并定位故障模式。

2.据权利要求1所述的方法，其特征在于，所述多种故障工作状态包括内环故障、外环故障或滚动体故障。

3.据权利要求1所述的方法，其特征在于，所述步骤S1包括

S11、利用经验模态分解方法，基于振动信号的局部特征时间尺度，把复杂的信号函数分解为有限的本征模态函数之和，其中，各个本征模态函数依次包含了从高频到低频的信号频率成分；

S12、对获得的本征模态函数进行统计和分析，形成反映信号特征的能量指标。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2包括

S21、将正常工作状态和多种故障工作状态下所提取的样本进行系统聚类分析；

S22、基于样本间的距离或相似系数及类间距离的计算，将各种状态的样本聚集为不同的类别。

5.根据权利要求1所述的方法，其特征在于，所述步骤S5包括

S51、通过费希尔判别分析，将正常状态数据样本、各类故障状态数据样本以及待判样本由原来的高维空间映射到新的低维空间；

S52、在新的低维空间计算待判样本的映射点与各判定总体之间的马氏距离；

S53、若待判样本映射点与正常总体之间的马氏距离最小，则当前设备属于正常工作状态；若待判样本映射点与某一故障总体之间的马氏距离最小，则当前设备属于故障状态，并且定位其故障模式为该故障总体所表征的故障模式。