[发明专利]一种抗干扰旋转机械的故障诊断方法

权利要求书

1.一种抗干扰旋转机械的故障诊断方法，其特征在于：包括，

步骤一，对旋转机械振动信号进行预处理；

步骤二，采用Meyer小波滤波器组对步骤一中的所述信号进行分解；

步骤三，计算步骤二中分解数中的各个子频带信号的多重去色循环谐波率值；

步骤四，选取多重去色循环谐波率图中多重去色循环谐波率值最大的解析子频带信号的平方包络谱作为诊断结果；

步骤五，若多重去色循环谐波率大于历史值的2倍，则诊断对象存在故障的概率大于80％。

2.根据权利要求1所述的抗干扰旋转机械的故障诊断方法，其特征在于：所述步骤一中的预处理，是分别使用均值法和最小二乘法对数据进行去直流分量和去趋势项预处理。

3.根据权利要求1或2所述的抗干扰旋转机械的故障诊断方法，其特征在于：步骤二中的信号分解具体包括以下几个步骤：

(1)Meyer小波滤波器组的构建；

(2)一分二、一分三分解树的构建；

(3)计算出两种分解树中各个子频带的多重去色循环谐波率。

4.根据权利要求3所述的抗干扰旋转机械的故障诊断方法，其特征在于：所述Meyer小波滤波器组的构建包括几个步骤：

S11，小波函数的建立：

其中，ω表示归一化的角频率，ω_n表示的边界，参数γ和函数β是的边界过渡带的宽度和形状控制参数，0＜γ＜1；

S12，尺度函数的建立：

其中，ω表示归一化的角频率，ω_n表示的边界，0≤ω≤π，参数γ和函数β是的边界过渡带的宽度和形状控制参数，0＜γ＜1，其大小与过渡带成正比关系；

S13，相应的小波变换：

小波函数和尺度函数定义好之后，相应的小波变换便可由下述公式得出：

其中，f就表示相应的原始信号，(·)^∨代表逆傅立叶变换；f₀，f_k代表原始信号分解后的子信号，其定义如下：

其中k的取值范围与中的n一致，即通过该步骤前定义的边界数目决定分解后子信号的数目。

5.根据权利要求4所述的抗干扰旋转机械的故障诊断方法，其特征在于：所述步骤二中的信号分解，分解为一系列的一分二、一分三的子频带。

6.根据权利要求5所述的抗干扰旋转机械的故障诊断方法，其特征在于：所述Meyer小波滤波器组区分为一分二Meyer小波滤波器组H0，H1和一分三Meyer小波滤波器组G0，G1，G2。

7.根据权利要求5所述的抗干扰旋转机械的故障诊断方法，其特征在于：所述一分二的Meyer小波滤波器组H0，H1中，ω₀＝0，ω₁＝π/2和ω₂＝π，H0对信号进行处理得到属于频带[0；1/2]的子频带信号，H1对信号进行处理得到属于频带[1/2；1]的子频带信号；

所述一分三的Meyer小波滤波器组G0，G1，G2中，ω₀＝0，ω₁＝π/3，ω₂＝2π/3和ω₃＝π，G0对信号进行处理得到属于频带[0；1/3]的子频带信号f₀，G2对信号进行处理得到属于频带[1/3；2/3]的子频带信号f₁，G1对信号进行处理得到属于频带[2/3；1]的子频带信号f₃。

8.根据权利要求6或7所述的抗干扰旋转机械的故障诊断方法，其特征在于：计算所述一分二、一分三的子频带的多重去色循环谐波率值，包括，

(1)计算一分二、三分解树中各子频带信号的平方包络谱；

(2)对各个平方包络谱进行去色处理；

(3)不具有2个及2个以上的故障特征频率，提取故障特征频率谐波；

(4)谐波背景提取；

(5)计算去色循环谐波率。

9.根据权利要求6或7所述的抗干扰旋转机械的故障诊断方法，其特征在于：计算所述一分二、一分三的子频带信号的多重去色循环谐波率值，包括，

(1)计算一分二、三分解树中各子频带信号的平方包络谱；

(2)对各个平方包络谱进行去色处理；

(3)具有2个及2个以上的故障特征频率，提取多故障特征频率谐波；

(4)构建多重目标幅值矩阵；

(5)提取多重谐波背景；

(6)多重去色循环谐波率MDCHR。