[发明专利]一种基于机器故障的诊断方法及系统

权利要求书

1.一种基于机器故障的诊断方法，其特征在于，所述诊断方法包括：

获取机器故障待诊断的各观测信号；

根据各所述观测信号确定各积函数对应的时-频灰度图像；

根据各所述积函数对应的时-频灰度图像确定时-频图像像素矩阵；

对所述时-频图像像素矩阵进行冗余取消处理，获得冗余取消图像像素矩阵；

通过尺度不变特征，根据所述冗余取消图像像素矩阵确定高斯图像差分函数、梯度幅值和梯度方向；

根据所述高斯图像差分函数、梯度幅值和梯度方向确定多个基图像；

根据多个所述基图像确定图像切片；

将图像切片输入支持向量机分类模型中，实现故障分类诊断。

2.根据权利要求1所述的诊断方法，其特征在于，所述根据各所述观测信号确定各积函数对应的时-频灰度图像，具体包括：

对各所述观测信号进行局域均值分解，获得多个积函数；

对各所述积函数进行时-频分析，获得各积函数对应的瞬时幅值和瞬时频率；

根据各所述积函数对应的瞬时幅值和瞬时频率确定各积函数对应的时-频灰度图像。

3.根据权利要求2所述的诊断方法，其特征在于，所述对各所述观测信号进行局域均值分解，获得多个积函数，具体公式为：

其中，x_j(t)为第j个观测信号，P_k(t)为经过局域均值分解所得的积函数,K表示积函数的总数，u_K(t)为残余分量。

4.根据权利要求2所述的诊断方法，其特征在于，所述对各所述积函数进行时-频分析，获得各积函数对应的瞬时幅值和瞬时频率，具体公式为：

其中，RP为取实部运算函数，a_k(t)和ω_k(t)分别为第j个观测信号x_j(t)的进行时-频分析所得的各积函数对应的瞬时包络和瞬时频率，K表示积函数的总数。

5.根据权利要求1所述的诊断方法，其特征在于，所述通过尺度不变特征，根据所述冗余取消图像像素矩阵确定高斯图像差分函数、梯度幅值和梯度方向，具体公式为：

其中，L(x,y,σ)为尺度空间，符号“*”代表卷积运算，G(x,y,σ)为变尺度高斯核函数，它由冗余取消图像灰度矩阵G(O×N)通过像素坐标与强度变尺度操作获得，x和y分别为像素点的横坐标和纵坐标，σ为像素强度标准差，I(x,y)为像素密度，D(x,y,σ)为高斯图像差分函数，m(x,y)和θ(x,y)分别为梯度幅值和梯度方向。

6.根据权利要求1所述的诊断方法，其特征在于，所述根据多个所述基图像确定图像切片，具体公式为：

其中，I_w(s,l)是一个尺寸为N×N的图像切片，b_j(s,l)为第j个基图像的线性联合，u_j为尺度常数，s、l为图像切片尺寸变量，N′为基图像的总数。

7.根据权利要求6所述的诊断方法，其特征在于，所述将图像切片输入支持向量机分类模型中，实现故障分类诊断，具体公式为：

其中，Θ(w,b,e,α)为分类器函数，w为方向向量，γ为惩罚参数，e_i为松弛变量，α_i为拉格朗日乘子，x_i为图像切片，b为偏移项，y_i为图像切片的目标值，M为常量，φ(x_i)为为核函数，w^T为w的转置形式。