[发明专利]自适应变分模式分解的机械微弱故障诊断方法

说明书

本发明公开了一种自适应变分模式分解的机械微弱故障诊断方法。首先利用振动信号传感器收集机械设备动态信号；然后给定一个初始平衡参数以及设定变分模式分解方法提取分量的个数为一个；然后，利用变分模式分解方法对设备动态信号进行迭代分解，并以峭度或稀疏度等故障特征敏感参数为衡量指标计算分解出的模式分量，直到确定变分模式分解方法分解出含有故障信息的分量停止迭代分解；其次，将迭代分解出的干扰分量从原始设备动态信号中剔除。该发明克服了传统变分模式分解方法中最优平衡参数以及合理的分解模式分量的数目自适应选择的难题，能够自适应地提取出机械设备动态信号中的故障成分，且易操作，具有广泛应用的前景。

技术领域

本发明涉及机械故障诊断的技术领域，具体涉及一种自适应变分模式分解的机械微弱故障诊断方法。

背景技术

机械零部件的状态直接影响到机械设备的运行状态及其安全状况。因此，对机械设备关键部件的健康状态进行检测极为重要。机械在局部缺陷故障激励下的振动往往以瞬态周期特征的形式存在，对周期的瞬态冲击特征有效提取能够准确评估机械运行状况，也是机械设备故障诊断的关键。

目前已发展了许多机械故障诊断方法，例如谱峭度方法、经验模式分解、小波变换等传统微弱故障诊断方法。可是，这些传统方法因为其自身的局限性，如自适应性较差或抗噪性弱等问题，导致其应用范围有限。变分模式分解方法是最近提出的一种新的信号处理技术，具有较强的抗噪性，采用非筛选分解方式分解信号减少传递误差。近年来，逐渐有学者将变分模式分解方法引入到机械信号处理领域，发展出了基于变分模式分解方法和多核支持向量机的智能故障诊断方法；利用变模式分解方法分析了转速大波动工况下风力机轴承故障信号；综合变模式分解方法和优化光谱回归技术对采煤机的齿轮箱复合故障进行诊断。考虑到在实际利用变分模式分解方法处理机械信号时，难以预知原始设备动态信号中存在的具有物理意义分量的个数以及完整提取出相应目标分量的应用使用的最佳平衡参数值。

发明内容

基于此，有必要针对上述技术问题，提供一种自适应变分模式分解的机械微弱故障诊断方法。

一种自适应变分模式分解的机械微弱故障诊断方法，包括：

步骤1，利用振动信号传感器收集旋转机械设备动态信号X₀；

步骤2，设置变分模式分解方法输入的分解参数的初始值，所述分解参数包括平衡参数α和模式分量个数K；

步骤3，利用设定初始分解参数的变分模式分解方法对机械设备动态信号X₀进行迭代分解，得到待优化的目标分量X_I；

步骤4，以初始平衡参数为中心，通过改变平衡参数α的取值对待优化的目标分量X_I进行双向优化分析，以获取包含最丰富故障信息的成分

步骤5，对提取的包含最丰富故障信息的成分进行包络分析，得到其包络谱F；

步骤6，比对旋转机械设备关键部件理论故障特征频率与包络谱F中的显著特征频率，最终确定旋转机械的健康状态。

本发明的有益效果在于：

本发明提出了一种自适应变分模式分解的机械微弱故障诊断方法，克服了传统变分模式分解方法参数选择的难题，能够对采集的设备动态信号自适应地分析，降低了技术人员使用变分模式分解方法进行机械故障诊断的难度；

在提出的方法中使用了迭代分解方式且每次提取一个模式分量，避免了现有一次分解方式中因设置的分解模式分量数量过多导致的无任何物理意义的成分被提取出来或因设置的分解模式分量数量过少而导致的目标故障分量被遗漏掉

在提出的方法中，使用双向优化技术调整平衡参数值，可以使得最终得到分量的带宽最大限度的匹配实际故障分量的带宽，同时减少计算量。