[发明专利]基于精细多重分形的往复压缩机故障诊断方法

说明书

本发明涉及的基于精细多重分形的往复压缩机故障诊断方法，它包括采集往复压缩机敏感测点的机体表面振动加速度信号；使用参数优化时变滤波经验模式分解算法对选取的信号进行分解，提取本征模态函数分量；计算所得本征模态函数分量的峭度值优选出主要本征模态函数分量，进行信号重构，实现采集的振动加速度信号降噪处理；对重构后信号进行精细多重分形计算，通过多重分形奇异谱描述信号的结构特征和局部动力学行为；提取精细多重分形奇异谱参数，形成精细多重分形奇异谱特征向量，对往复压缩机故障进行诊断；将振动信号特征向量输入到支持向量机识别器中，判断振动信号的故障类型。本发明能更细致描述信号的分形特性，可更准确地诊断出故障类型。

技术领域：

本发明涉及的是往复机械故障诊断技术领域，具体涉及的是基于精细多重分形的往复压缩机故障诊断方法。

背景技术：

往复压缩机是一种压力范围适用性广的压缩和输送气体的机械设备，其结构复杂，内部激励源众多，长期处于交变载荷的作用，导致往复压缩机振动信号呈现剧烈地非线性非平稳冲击与不连续时变等耦合特征。由于往复压缩机不间断运行，导致往复压缩机动力传动和运动等典型部件长期处于摩擦与碰撞状态，易发生十字头、滑动轴承摩擦磨损产生的间隙故障和气阀断裂磨损等失效故障，这些典型故障严重影响往复压缩机的安全运行，因此，有效地诊断评估往复压缩机故障状态对往复压缩机的预知维护和安全运行具有重要的经济和理论意义。

往复压缩机与旋转机械的故障机理和振动信号特性有所不同，旋转机械相对成熟的故障诊断技术和典型信号处理技术为基础的传统故障诊断方法对其并不一定适用，如傅里叶变换、时序模型分析和频域相干分析等，相比传统故障诊断方法，信号自适应分解方法以其适用于非平稳信号特征提取的特性，被广泛应用于机械故障诊断中；然而，经验模态分解、局部均值分解、变分模态分解等方法都存在着一些局限性，比如经验模态分解、局部均值分解方法均受到模态混叠现象的影响，变分模态分解等方法虽然起到了抑制模态混叠现象，但不能很好的保留信号的时变特征；时变滤波经验模态分解方法是一种新的自适应分解方法，该方法采用时变滤波器，不但能解决模态混叠问题，而且能保留信号的时变特征，且不要求上下包络是对称的，在低采样率下具有良好的性能，同时该方法中的参数具有明确的物理意义且容易选取，从而有效消除往复压缩机故障信号中掺杂的大量噪声，提取出往复压缩机显著故障特征。

上述方法在往复压缩机故障特征提取上均取得了一定效果，但难以对往复压缩机各故障进行准确地状态特征描述，多重分形去趋势波动分析方法是Kantelhardt提出的一种分析非平稳信号多重分形特性的方法，在揭示复杂系统非平稳性、非线性等方面具有独特之处，可定量描述非线性行为。对信号的局部尺度行为进行更精细的表征，可更细致地描述了信号的分形特性，适用于复杂系统的非线性行为定量描述。然而，多重分形去趋势波动分析方法在计算时因对整个序列进行等分割导致相邻分割区间线性拟合产生新的伪波动误差，没有体现序列的形态特征，进而影响波动函数的产生，使得估计的多重分形奇异谱失真，无法准确定量描述信号非线性特征。

发明内容：

本发明的目的是提供基于精细多重分形的往复压缩机故障诊断方法，这种基于精细多重分形的往复压缩机故障诊断方法用于解决目前难以对往复压缩机各故障进行准确地状态特征描述的问题。

本发明解决其技术问题所采用的技术方案是：这种基于精细多重分形的往复压缩机故障诊断方法包括以下步骤：

步骤一：采集往复压缩机敏感测点的机体表面振动加速度信号；

步骤二：使用参数优化时变滤波经验模式分解算法对选取的信号进行分解，提取本征模态函数分量；