[发明专利]故障分析模型的建立方法和装置

说明书

本申请提供一种故障分析模型的建立方法和装置，涉及信号处理技术领域，通过本申请提供的技术方案建立的故障分析模型，可以提高对于故障分析的准确率。该方法包括：故障分析模型的建立装置获取包括有初始状态信号的样本数据集，对样本数据集中的初始状态信号进行离散小波变换处理，确定出去除噪声后的低频状态信号。然后，故障分析模型的建立装置进一步对低频状态信号进行相空间重构处理，确定出包括有深度信息的高维状态信号。之后，故障分析模型的建立装置将高维状态信号作为训练样本集，确定出故障分析模型。

技术领域

本申请涉及信号处理技术领域，尤其涉及一种故障分析模型的建立方法和装置。

背景技术

目前，工业设备中出现了由多个组件共同配合运动的高维度系统。比如，汽车变速器滚动轴承就是由多个组件共同配合运动的高维度系统。高维度系统在安装或配合运动的过程中会产生误差，造成自振，且随着误差的持续增加，振动不断叠加形成复杂的噪声，这给高维度系统的故障分析带来一定的难度。

现有的，一般会通过时域分析法、频域分析法或者时频分析方法对故障信号进行信号处理，建立故障分析模型。然而，采用时域分析法进行信号处理时，虽然可以表征信号随时间的变化，但不能显示信号的内部特征(比如，传感器噪声和信号内部干扰)。采用频域分析法分析信号时，信号的正弦波成分不能表征出信号发生的时刻，因此不适用于时间序列信号特征解析。另外，高维度系统中有多个状态量并且各个状态量间往往存在相互耦合的特点，采用时频分析法时，一维时序特征无法完全表征系统的信号特征。

可以看出，现有的故障分析模型的建立方法均存在一定的局限性，不能完整的表征原始信号，所以，采用现有的故障分析模型的建立方法建立的故障分析模型在应用时，对于故障分析的准确率较低。

发明内容

本申请提供一种故障分析模型的建立方法和装置，通过该方法建立的故障分析模型，可以提高对于故障分析的准确率。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种故障分析模型的建立方法，包括：故障分析模型的建立装置获取包括有初始状态信号的样本数据集，对样本数据集中的初始状态信号进行离散小波变换处理，确定出去除噪声后的低频状态信号。然后，故障分析模型的建立装置进一步对低频状态信号进行相空间重构处理，确定出包括有深度信息的高维状态信号。之后，故障分析模型的建立装置将高维状态信号作为训练样本集，确定出故障分析模型。

本申请提供的故障分析模型的建立方法中，首先采用离散小波变换对样本数据集中的初始状态信号进行处理，去除初始状态信号中的噪声。然后进一步对去噪后的信号做相空间重构处理，将小波信号映射至高维空间，从而可以挖掘出初始状态信号中的深度信息，最后以相空间重构处理后的信号作为训练样本集，确定出故障分析模型。可以看出，本申请建立的故障分析模型应用的训练样本集可以更为完整的表征初始状态信号的深度信息，且去除了噪声等干扰因素的影响，所以采用本申请建立的故障分析模型可以更为准确地实现对于待检测设备的故障分析。

可选地，在一种可能的设计方式中，上述“获取包括有初始状态信号的样本数据集”可以包括：从历史数据库中获取包括有初始状态信号样本数据集；或者，采用仿真模型确定出包括有初始状态信号样本数据集。

可选地，在另一种可能的设计方式中，上述“将高维状态信号作为训练样本集，确定出故障分析模型”可以包括：采用奇异值分解算法对高维状态信号进行降维处理，确定出降维后的状态信号，将降维后的状态信号作为训练样本集，确定出故障分析模型。

可选地，在另一种可能的设计方式中，上述“将降维后的状态信号作为训练样本集，确定出故障分析模型”可以包括：将降维后的状态信号作为训练样本集，确定故障分析模型的输入层节点个数、输出层节点个数以及隐含层节点个数；确定故障分析模型的模型参数；模型参数包括：输入权值、自反馈阈值、隐含层阈值、输入层与输出层之间的权值；根据模型参数确定故障分析模型。