[发明专利]一种基于改进排列熵的单向阀故障特征提取方法

权利要求书

1.一种基于改进排列熵的单向阀故障特征提取方法，其特征在于：

Step1：利用加速度传感器在单向阀正常、卡阀故障、磨损故障状态下进行采样，得到单向阀各状态下的振动数据；

Step2：通过给排列熵的重构分量增添一个加权系数来改进排列熵，提出改进排列熵算法；

Step3：利用改进排列熵直接提取强噪声背景下的单向阀故障特征，实现单向阀的故障诊断。

2.根据权利要求1所述的基于改进排列熵的单向阀故障特征提取方法，其特征在于，所述Step2中排列熵算法具体步骤为：

Step2.1：将长度为T的离散时间序列进行相空间重构，得到重构矩阵Y_i^m,τ＝{y_i,y_i+τ,…,y_i+(m-1)τ}，其中m为嵌入维数，τ为时间延迟，i＝1,2,…,T-(m-1)τ；

Step2.2：原时间序列重构后共有T-(m-1)τ行，将每行的重构分量Y_i^m,τ按照升序排列，如式(1)所示：

式中，k₁,k₂,…,k_m为重构分量中元素所在列的索引，若出现元素幅值相等的情况，则按照元素索引位置k的大小进行排序；

Step2.3：每一行重构分量按照升序排列都可以得到一组符号序列π_i＝[k₁,k₂,…,k_m]，m维相空间共有m！种不同的符号序列，计算每一种符号序列出现的概率P(π_j)；

式中，1≤j≤m！且j为正整数；

Step2.4：按照香农熵的形式，将时间序列的排列熵定义为：

Step2.5：将排列熵进行归一化，当P(π_j)＝1/m！时，PE(m,τ)有最大值In(m！)，即归一化结果为：

PE＝PE(m,τ)/In(m！) (4)

式中，排列熵PE的取值范围为0≤PE≤1，PE表示时间序列的复杂度和随机程度；

PE值越大，时间序列的随机程度越高，复杂度越大；

PE值越小，时间序列的规则程度越高，复杂度越小。