[发明专利]一种旋转机械设备的故障诊断方法及系统

权利要求书

1.一种旋转机械设备的故障诊断方法，其特征在于，包括：

提取待诊断设备的原始振动信号的时域特征数据、频域特征数据和时频域特征数据；

对所述时频域特征数据进行曲线二次编码，获得曲线二次编码序列，其中，所述时频域特征数据为IMFs分量特征数据，所述IMFs分量特征数据为P维h(t)特征数据，表示为；

相应的，对所述时频域特征数据进行曲线二次编码，获得曲线二次编码序列，包括：

计算IMFs分量特征数据中每一维特征数据h_i(t)的均方根值，记为RMS点值；

设置曲线一次编码长度C_n，取C_n维的特征数据，获取对应的C_n个RMS点值，其中，相邻两个RMS点值形成一条线段；

对每条线段进行一次编码，获得每条线段一次编码后的编码值C_x；

按照顺序拼接获得的多个编码值C_x，获得一次编码值序列；

对所述一次编码值序列进行二次编码，得到多个二次编码值；

根据多个二次编码值，获得曲线二次编码序列；

计算所述曲线二次编码序列与已知故障类型的多个训练样本聚类中心之间的距离，获得原始振动信号的多维距离特征数据；

其中，通过如下方式获取已知故障类型的多个训练样本聚类中心：

采集旋转机械设备的已知故障类型的多个原始振动信号，获取每一个原始振动信号的时频域特征数据，并计算时频域特征数据中每一维特征数据的RMS点值；

将多个原始振动信号的时频域特征数据的RMS点值进行K均值聚类，得到K个聚类中心；

计算所述曲线二次编码序列与多个训练样本聚类中心之间的距离，获得原始振动信号的多维距离特征数据，包括：

计算待诊断设备的原始振动信号对应的曲线二次编码序列与K个训练样本聚类中心之间的距离，获得K维距离特征数据；

将待诊断设备的原始振动信号的时域特征数据、频域特征数据和距离特征数据输入训练后的故障诊断模型，获取待诊断设备的故障类型。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述提取待诊断设备的原始振动信号的时域特征数据、频域特征数据和时频域特征数据，包括：

对采集的待诊断设备的原始振动信号进行相邻系数的小波阈值去噪，获取时域信号，提取时域信号的均方根值、均值、峭度因子、峰值、峰值因子以及脉冲因子作为待诊断设备的原始振动信号的6维时域特征数据；

对所述时域信号进行傅里叶变换，获得对应的频域信号，提取所述频域信号的重心频域、均方频率及频率方差作为待诊断设备的原始振动信号的3维频域特征数据；

利用集合经验模态分解算法EEMD，将时域信号、频域信号分解为本征模态分量IMFs，获得时频域特征数据。