[发明专利]基于自适应集成多小波的机械设备故障特征提取方法

说明书

技术领域

本发明涉及装备故障监测技术领域，具体涉及一种基于自适应集成多小波的机械设备故障特征提取方法。

背景技术

大型机械设备部件繁多，信号传输路径复杂，传感器采集到的信号是各部件响应的综合反映，当它的零部件发生早期故障时，故障特征非常微弱，同时它受到设备本身的噪声、非平稳的运行状态和信号采集过程中的干扰等影响，使得故障特征提取成为一大难点。针对非平稳信号的处理出现了一系列新的信号分析理论和技术，其中，运用最广泛、最活跃的动态信号分析方法是小波分析理论和技术。小波变换具有时频局部化特性、丰富的基函数，为动态信号的非平稳性描述和机械零部件故障信息的提取提供了有力的工具。

根据对小波理论的研究可知，小波基函数的正交性、对称性、紧支性、高阶消失矩是信号处理中十分重要的性质。然而Daubechies已经证明单小波(除Haar小波外)不能同时具有这些性质，从而影响了小波的工程应用效果和限制了它的实际应用范围。多小波作为小波理论的进一步发展，它兼备了信号处理中非常重要的正交性、紧支性、对称性和高阶消失矩等优良特性，克服了单小波存在的缺陷和不足，同时具有多个时频结构有所差异的尺度函数和小波函数，为机械故障特征提取的准确性、可靠性和全面性提供前提，使得多小波在早期故障和复合故障诊断中颇具优势。

多小波进行故障特征提取的本质就是探求信号中包含与“基函数”最相似或最相关的分量，而不同类型的故障在设备运行过程中引发的动态响应信号具有的特征波形不同。因此，采用某一固定的小波基函数进行匹配时将很难实现对故障特征信号的最佳提取。如果采用了不恰当、不合适的的基函数进行分解会冲淡故障特征信息，反而给故障特征提取与诊断造成困难，为了更好的进行故障特征提取，必须要实现基函数的按需构造，使多小波基函数拥有与动态信号相适应的能力。

发明内容

本发明所要解决的是现有采用某一固定的小波基函数进行匹配时将很难实现对故障特征信号的最佳提取的问题，提供一种基于自适应集成多小波的机械设备故障特征提取方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于自适应集成多小波的机械设备故障特征提取方法，具体包括步骤如下：

步骤1、通过振动传感器采集机械设备运行过程中的振动信号；

步骤2、选定初始多小波，并对初始多小波进行两尺度相似变换，提升多小波尺度函数的逼近阶，得到中间多小波；

步骤3、对中间多小波进行提升框架变换，改变中间多小波基函数的滤波器特性，得到集成多小波；

步骤4、以振动信号经过多小波分解后的峭度指标为目标函数，利用遗传算法求解使目标函数最大的多小波自由参数，完成集成多小波的自适应构造，得到最优自适应匹配信号特征的集成多小波基函数；

步骤5、对集成多小波基函数进行冗余分解后，再对分解后的低频分支进行希尔伯特包络解调，以实现微弱故障特征的提取。

上述步骤2的具体子步骤如下：

步骤2.1、选定初始多小波，该初始多小波的低通滤波器为H_G(ω)和高通滤波器为G_G(ω)；

步骤2.2、构造给定的两尺度相似变换矩阵必须满足的条件，构造出两尺度相似变换矩阵M(ω)；

步骤2.3、利用两尺度相似变换矩阵M(ω)对初始多小波进行两尺度相似变换，得到中间多小波，该中间多小波的低通滤波器为H_p(ω)和高通滤波器为G_p(ω)，

G_p(ω)＝G_G(ω)M^-1(ω)

式中，a，b为非零参数。

上述步骤3的具体子步骤如下：

步骤3.1、设计提升矩阵T(ω)和S(ω)；

步骤3.2、利用所设计的提升矩阵T(ω)和S(ω)，改变中间多小波基函数的滤波器特性，得到集成多小波，该集成多小波的低通滤波器为H_e(ω)和高通滤波器为G_e(ω)，

上述步骤4中，目标函数K_P为：

式中，x为振动信号；p(x)为振动信号幅值的概率密度。