[发明专利]一种自动扶梯基脚松动故障诊断方法

权利要求书

1.一种自动扶梯基脚松动故障诊断方法，其特征在于，包括如下步骤：

步骤一、采集自动扶梯主机基脚固定螺栓松动不同圈数状态下的振动信号，每种状态分别采集多组信号作为训练样本和测试样本；

步骤二、利用EWT对步骤一中得到的每组训练样本进行多尺度分解，得到EMF；

步骤三、对每一个经验模态分量函数，通过双谱分析的二维等高线图构造其灰度矩阵和梯度矩阵，进而构造其灰度-梯度共生矩阵，并进行归一化处理；

步骤四、通过灰度-梯度共生矩阵提取双谱图的多个纹理特征作为故障特征向量；

步骤五、通过步骤四中得到的故障特征向量组成训练样本的多维故障特征向量；

步骤六、利用多组训练样本对神经网络模型进行训练，建立基脚固定螺栓松动故障识别模型；

步骤七、提取步骤五中测试样本的多维故障特征向量，输入训练好的神经网络模型，识别固定螺栓的松动程度，并分析所提出方法的识别准确率。

2.根据权利要求1所述的自动扶梯基脚松动故障诊断方法，其特征在于，所述不同圈数取为松动0圈、松动1圈、松动2圈、松动3圈。

3.根据权利要求1所述的自动扶梯基脚松动故障诊断方法，其特征在于，所述步骤二包括如下步骤：

步骤2.1：对信号频谱进行自适应划分：根据Meyer和Littlewood-Paley理论，EWT的尺度函数和小波函数ψ(x)在频率域的定义分别为：

式中，β_n＝x⁴(35-84x+70x²-20x³，0＜γ＜1且是确保两个连续状态区间之间的重叠区域最小的参数，其数值由计算出的边界值决定，ω_n+1和ω_n一样都是分割边界点，ω₁…ω_n+1都是分割边界点，

EWT的分解方法与经典小波类似，分解后的细节系数和近似系数分别为二者满足下式：

其中，F^-1(·)表示傅里叶逆变换，而和分别由式(1)和式(2)定义；ω_n为分割边界,ω代表频率，t代表时间,τ_n代表边界带τ_n＝γω_n，τ是边界带宽值，τ就是根据上式中的τ_n计算的，每一个n对应一个τ；f(t)为信号，f(τ)是τ的一个函数，表示信号f(t)傅里叶变化后的信号；

步骤2.2：利用正交小波滤波器组对信号进行分解，得到具有紧支撑特性的模态分量信号：

根据公式(3)和(4)，可以得到EWT分解后的经验模态函数(empirical mode function,EMF)计算公式：

信号f(t)经过EWT分解后通过上式计算，可以得到n个经验模态函数；f₀(t),f_n(t)代表经验模态分解函数；

基脚振动信号经EWT分解可得到一组EMF，对每一个EMF进行双谱分析，即可提取每个模态函数的故障特征向量。