[发明专利]基于最小二乘映射的机械故障特征参量优化方法

说明书

技术领域

本发明涉及一种基于最小二乘映射的机械故障特征参量优化方法，涉及机械振动信号处理领域和在线监控及故障诊断领域。

背景技术

机械故障特征参量优化在信号处理和故障诊断领域具有重要的意义。大都数机械设备在实际运作状态下，其故障信号是非平稳、非线性的，同时早期故障信号中干扰信号过多，故障信号能量微弱，故障特征的提取十分困难，并且提取的故障特征参量维数较高，冗余信息会相互削弱其反映故障特性的能力。在故障诊断领域中故障特征参量直接关系到故障诊断的准确率和故障早期预报的可靠性，是设备状态监测和故障诊断的关键。选择对设备状态敏感度高的特征参量，能增强监测诊断的针对性，提高诊断的准确性。

现有的技术方法中，基于时域特征参量提取算法计算相对简单，容易实现，但是提取到的特征参量容易受到噪声的影响，适合于信噪比比较高的环境，其应用范围受到限制。目前广泛采用的信号特征提取方法有：包络解调、共振解调、形态滤波、小波、经验模态法、稀疏分解、主分量分析法等。相对于简单时域特征参量提取算法提取的特征参量具有更好的抗噪性，应用较为广泛，但是计算复杂。

发明内容

针对上述现有技术存在的不足，本发明提供一种基于最小二乘映射的机械故障特征参量优化方法。该方法计算简单，通过对提取的特征参量进行优化，提高故障特征参量的敏感性，实现非平稳早期微弱故障的识别。

本发明的技术方案是：

基于最小二乘映射的机械故障特征参量优化方法，包括以下步骤：

1、根据所要诊断的机械设备计算提取特征参量P，并在特征空间构造矢量P_ij。

P_ij＝{p_ij1，p_ij2，…，p_ijk|i＝1～M，j＝1～N}^T

其中，i表示故障类型的数目为M，j表示特征参量的数目为N，k为特征参量的维度(一般取2)。矢量P_ij的端点表示故障类型。

2、构造矢量P_ij由特征空间映射到判决空间的误差向量ε_ij和总均方误差ε。

ε_ij＝L_ij-V_i

ϵ=1NΣj=1N||ϵij||2]]>

其中，L_ij表示矢量P_ij在判决空间的映像，V_i表示矢量P_ij投射在判决空间的点。

3、计算将矢量P_ij由特征空间映射到判决空间的变换A。

a.矢量P_ij由特征空间映射到判决空间的矢量L_ij＝AP_ij。

b.根据总的均方误差最小原则计算变换矩阵A。

由误差向量ε_ij和总均方误差ε以及矢量L_ij公式可以推导出：