[发明专利]一种基于机器故障的诊断方法及系统

说明书

本发明公开一种基于机器故障的诊断方法及系统，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，提高了故障诊断的准确性。

技术领域

本发明涉及故障诊断技术领域，特别是涉及一种基于机器故障的诊断方法及系统。

背景技术

机械故障诊断本质上是一种模式识别问题，从不同模式(如正常状态、齿轮缺陷、轴承故障、转子故障等)中提取特征的工作，表征各模式的数据。

目前绝大部分故障诊断技术为了进行有效的特征提取，往往需要采取一些特殊的技术方法，如频谱分析、时-频分析以及滤波技术等，利用这些技术方法，达到检测和获取故障特征频率的目的。典型的故障特征频率成分包括齿轮啮合频率及其高次谐波成分、调制分量等等。但是，由于结构共振、轮齿制造误差、传动比失配、非高斯脉冲干扰、噪声污染以及多通道传感观测的信息冗余等，要抽取准确的特征频率通常很困难，往往要靠经验。

对机器故障观测信号直接进行时-频分析，虽然可以获得机器整体的非线性、非稳态振动特征，但是由一些客观的异常因素(见划线部分)所导致的非高斯脉冲干扰、噪声污染以及多通道传感观测的信息冗余等问题无法得到解决，特别是由于机械结构共振以及多通道传感观测信息冗余的影响，安装于机器外壳上的传感器所测得的信号往往是多个机器组件振动的组合，与故障相关的特征同时出现在多个观测传感信号中。即使依靠人工经验也难以实现准确的故障特征提取，从而严重影响了故障诊断的准确性。

基于上述问题，如何克服上述问题，成为本领域亟需解决的问题。

发明内容

本发明的目的是提供一种基于机器故障的诊断方法及系统，以实现提高故障诊断的准确性。

为实现上述目的，本发明提供了一种基于机器故障的诊断方法，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。

可选的，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。

可选的，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：