[发明专利]一种机械设备故障诊断方法及系统

权利要求书

1.一种机械设备故障诊断方法，其特征在于，包括：

确定目标机械设备的振动信号；

计算不同噪声幅值所对应的模态混沌指标，并选择最小的模态混沌指标所对应的噪声幅值作为最优噪声幅值；其中，所述模态混沌指标是通过计算总体经验模态分解算法的分解结果得到的；

确定期望分解误差，并基于所述期望分解误差和所述最优噪声幅值，计算最优总体平均次数；

采用配置参数后的总体经验模态分解算法，对所述振动信号进行分解，得到各个模态函数；所述配置参数后的总体经验模态分解算法为在总体经验模态分解算法的基础上，将添加的噪声的幅值设置为最优噪声幅值，将总体平均次数设置为最优总体平均次数后得到的总体经验模态分解算法；

对分解得到的各个所述模态函数进行包络解调谱分析，以提取目标机械设备的特征频率，并基于所述目标机械设备的特征频率对所述目标机械设备进行故障诊断；

所述计算不同噪声幅值所对应的模态混沌指标，并选择最小的模态混沌指标所对应的噪声幅值作为最优噪声幅值，具体包括：

确定噪声幅值系数的搜索范围以及搜索步长；

依据所述搜索范围和所述搜索步长，生成噪声幅值集合；所述噪声幅值集合中第i个噪声幅值为ε_i＝α_i×std[x(t)]，x(t)为目标机械设备的振动信号，std[·]为标准差算子，α_i为第i个噪声幅值系数；

计算所述噪声幅值集合中不同噪声幅值所对应的模态混沌指标；

选择最小的模态混沌指标所对应的噪声幅值作为最优噪声幅值；

所述计算所述噪声幅值集合中不同噪声幅值所对应的模态混沌指标，具体包括：

依次将所述噪声幅值集合中的每个噪声幅值配置给总体经验模态分解算法，以得到多个配置噪声幅值后的总体经验模态分解算法；其中，所述配置噪声幅值后的总体经验模态分解算法的个数与所述噪声幅值的个数相同，且不同的配置噪声幅值后的总体经验模态分解算法配置有不同的所述噪声幅值；

采用配置标定噪声幅值后的总体经验模态分解算法，对所述振动信号进行分解，得到所述标定噪声幅值对应的标定波动指数集合；所述标定波动指数集合包括各个模态的分段标准差波动指数；所述标定噪声幅值为所述噪声幅值集合中的任意噪声幅值；

将所述标定波动指数集合中的各个模态的所述分段标准差波动指数求和，得到每个所述噪声幅值对应的模态混沌指标；

第k个模态的所述分段标准差波动指数的计算公式为：

其中，SSDVI_k是第k个模态的分段标准差波动指数，std[·]是标准差算子，是第k个模态中第n段信号，n＝1,2,...,S。

2.根据权利要求1所述的一种机械设备故障诊断方法，其特征在于，所述确定期望分解误差，并基于所述期望分解误差和所述最优噪声幅值，计算最优总体平均次数，具体包括：

将所述振动信号的标准差的1％确定为期望分解误差；

基于公式计算最优总体平均次数；

其中，N_opt是最优的总体平均次数，ε_opt是最优噪声幅值，e是期望分解误差。