[发明专利]一种用于多工位冷镦机状态检测的改进多分类支持向量机方法

说明书

本发明公开了一种用于多工位冷镦机状态检测的改进多分类支持向量机方法，首先用局部均值分解对故障信号进行分解，得到若干乘积函数。其次，为有效去除分量PF中的模态混叠噪声，基于ICA算法对分量PF进行盲源分离，提取其中的有效信号，并利用时序平移的思想，构造多个PF分量噪声，从而得到降噪后的模态分量信号；进而利用排列熵量化各模态分量的故障状态特征，取各模态分量排列熵的平均值作为特征向量；最后，建立多工位冷镦机的改进多分类支持向量机故障分类模型；并将计算的特征向量输入改进PSVM‑2V进行状态检测。通过该方法能够使冷镦机故障特征明显，从而从改进多分类支持向量机的模型中直接检测出冷镦机的状态。

技术领域

本发明属于机械设备故障诊断领域，涉及一种用于多工位冷镦机状态检测的改进多分类支持向量机方法。

背景技术

多工位自动冷镦成型机作为一种自动化、精密、技术含量高的先进成形装备，在各个产业都有着广泛的应用。工业发达国家在装备制造领域已初步实现信息化和工业化深度融合，冷镦成型机领域也不例外，尤其是多工位全自动冷镦成型机发展到今天己经初步做到设计、制造、维护一体机。多工位冷镦成型机是典型性的机、电、液、温一体化的制造装备，其状态特征信息包含在不同性质的信号中，表现为多源性，由于受设备的工频振动、电噪声、液压和润滑系统脉动噪声、以及传递环节调制和噪声干扰等影响，信号非常微弱此外，多工位冷镦成型机功能部件机、电、液多源特征信号之间相互影响，对其进行状态检测困难。

发明内容

本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种用于多工位冷镦机状态检测的改进多分类支持向量机方法。通过该方法能够使冷镦机故障特征明显，从而从改进多分类支持向量机的模型中直接检测出冷镦机的状态。

为实现上述目的，本发明的技术方案是包括有：

S1、用局部均值分解对多工位冷镦机各状态的信号进行分解，得到若干乘积函数，每一乘积函数分量都是一个包络信号和一个具有物理意义的纯调频信号的乘积，包含原始信号的状态特征信息；

S2、为有效去除乘积函数分量中的模态混叠噪声，基于独立成分分析算法并利用时序平移的思想，构造多个乘积函数分量噪声，对乘积函数分量进行盲源分离，提取其中有效状态信号，从而得到降噪后新的模态分量信号；

S3、进而利用排列熵量化各模态分量的状态特征，取各模态分量排列熵的平均值作为特征向量；

S4、建立多工位冷镦机状态检测的改进多分类支持向量机状态分类模型；并将计算的特征向量输入改进多分类支持向量机状态分类模型中进行状态的分类识别。

进一步设置是所述步骤S1具体包括：

设定多工位冷镦机各状态的原始信号X(t)所有的局部极值点n_i,求出所有相邻的局部极值点n_i和n_i+1的平均值m_i，将所有相邻的m_i用直线连接起来，经平滑处理得到局部均值函数m₁₁(t)；计算包络估计值a_i，将所有的相邻a_i用直线连接起来，经进行平滑处理得到包络估计函数a₁₁(t)；

将局部均值函数m₁₁(t)从原始信号X(t)中分离出来得到h₁₁(t)，对其进行解调得到s₁₁(t)，

h₁₁(t)＝X(t)-m₁₁(t) (2)

s₁₁(t)＝h₁₁(t)/a₁₁(t) (3)