[发明专利]一种凸轮式绝对重力仪微小故障诊断方法及装置

权利要求书

1.一种凸轮式绝对重力仪微小故障诊断方法，其特征在于，包括以下步骤：

从获取的凸轮式绝对重力仪在不同测点的原始振动信号数据中，提取样本数据，其中，所述样本数据包括在每个测点获取的多组振动数据；

分别对所述样本数据中的每组振动数据，进行CEEMD分解和筛选处理，得到与每组所述振动数据分别对应的IMF分量；

根据所述IMF分量，分别计算每组振动数据对应的能量熵和多尺度排列熵，并根据所述能量熵和多尺度排列熵，构建与每组振动数据对应的多熵值数据矩阵；

根据所述多熵值数据矩阵和预先训练的凸轮式绝对重力仪的微小故障SVM分类器，确定每组振动数据对应的故障工况类型。

2.根据权利要求1所述的凸轮式绝对重力仪微小故障诊断方法，其特征在于，所述凸轮式绝对重力仪的微小故障SVM分类器通过以下方式训练得到：

从获取的凸轮式绝对重力仪在不同测点及正常工况和各类故障工况下的原始振动信号中，提取样本数据，所述样本数据包括训练数据；其中，所述样本数据包括每个测点在不同工况下获取的多组振动数据；

对所述样本数据中的每组振动数据进行CEEMD分解处理，得到与每组振动数据分别对应的IMF分量；

根据所述IMF分量，分别计算每组振动数据对应的能量熵和多尺度排列熵；

根据所述训练数据对应的所述能量熵和多尺度排列熵，构建与所述训练数据对应的训练用多熵值数据矩阵；

利用所述训练用多熵值数据矩阵训练凸轮式绝对重力仪的微小故障SVM分类器，其中，针对任一组振动数据，所述微小故障SVM分类器的输出为正常工况和各类故障工况中的任一种。

3.根据权利要求1所述的凸轮式绝对重力仪微小故障诊断方法，其特征在于，对所述每组振动数据进行CEEMD分解包括如下步骤：

向所述原始振动信号数据中加入n组辅助白噪声，所述辅助噪声是以正、负成对的方式加入的，因此得到2n个集合信号：

其中，S为原始振动信号；N为辅助白噪声；M₁，M₂分别为加入正、负成对噪声后的信号对；

对得到的2n个集合信号分别进行EMD分解，每一个信号都可以得到一组IMF'分量，第i个信号的第j个IMF'分量记为IMF'_ij，并将残余分量作为最后一个IMF'分量；

将对应的IMF'分量进行均值运算，得到原始振动信号S经CEEMD分解后的各阶IMF'分量：

其中，IMF'_j表示原始振动信号经CEEMD分解后得到的第j个IMF'分量，n表示辅助白噪声的组数；

计算经CEEMD分解的各所述IMF'分量的排列熵，设置阈值θ，将大于θ的IMF'分量剔除，得到剩余的IMF分量；

计算所述剩余的IMF分量的相关系数，并根据计算所得的相关系数确定与每组所述振动数据分别对应的IMF分量。

4.根据权利要求1所述的凸轮式绝对重力仪微小故障诊断方法，其特征在于，所述计算每组振动数据的能量熵和多尺度排列熵之前还包括：对所述IMF分量采用小波阈值的方法进行降噪。

5.根据权利要求1所述的凸轮式绝对重力仪微小故障诊断方法，其特征在于，利用如下公式计算每组振动数据的能量熵：

其中，表示降噪后的IMF分量，E_c为总能量，为第i个预设IMF分量的能量占总能量的比值，H_e为能量熵。