[发明专利]一种故障数据处理方法、系统及故障预测方法

权利要求书

1.一种故障数据处理方法，其特征在于，应用于滚动轴承，包括：

采集所述滚动轴承在不同故障情况时的时域振动信号；

针对每种所述故障情况时的时域振动信号：

对所述时域振动信号进行变分模态分解，得到多个二维图像；

根据所述二维图像，采用方向梯度直方图算法提取得到当前时域振动信号对应的图像特征；

采用多维尺度分析算法对所述图像特征进行降维处理，并处理得到当前故障情况对应的故障数据。

2.根据权利要求1所述的故障数据处理方法，其特征在于，所述对所述时域振动信号进行变分模态分解，得到多个二维图像的步骤包括：

将所述时域振动信号进行分段处理；

根据预设的分解层数，对分段处理后的每段时域振动信号进行变分模态分解，得到所述二维图像。

3.根据权利要求1所述的故障数据处理方法，其特征在于，所述根据所述二维图像，采用方向梯度直方图算法提取得到当前时域振动信号对应的图像特征的步骤包括：

按照一预设的图像尺寸缩放所述二维图像，并将其转化为灰度图像；

采用Gamma校正法对所述灰度图像的灰度值进行归一化；

计算得到归一化后的灰度图像中像素点的梯度幅值和梯度方向；

将归一化后的灰度图像划分为多个单元格cell；其中，相邻的四个单元格cell组成一个block块；

根据每个所述单元格cell内像素点的梯度幅值和梯度方向，进行bin方向上的加权投影，计算相应的投影和；

根据所有所述二维图像中单元格cell的投影和，得到当前时域振动信号对应的图像特征。

4.根据权利要求3所述的故障数据处理方法，其特征在于，所述计算得到归一化后的灰度图像中像素点的梯度幅值和梯度方向的步骤包括：

计算归一化后的灰度图像中像素点的水平方向梯度和垂直方向梯度：

G_x(x，y)＝H(x+1，y)-H(x-1，y)

G_y(x，y)＝H(x，y+1)-H(x，y-1)

其中，G_x(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的水平方向梯度；G_y(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的垂直方向梯度；H表示所述像素点的灰度值；

根据所述水平方向梯度和所述垂直方向梯度计算得到所述梯度幅值和梯度方向：

G(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的梯度幅值，α(x，y)表示归一化后的灰度图像中第x行，第y列的像素点的梯度方向。

5.根据权利要求1所述的故障数据处理方法，其特征在于，所述采用多维尺度分析算法对所述图像特征进行降维处理，并处理得到当前故障情况对应的故障数据的步骤包括：

根据当前故障情况对应的所有图像特征之间的距离，构建距离矩阵；

根据所述距离矩阵和所述图像特征，构建点积矩阵：

S_ij＝x_i^Tx_j，i、j∈n

其中，S_ij表示所述点积矩阵中第i行，第j列的元素；x_i表示第i个图像特征；x_j表示第j个图像特征；n表示当前故障情况对应的图像特征的总数；

对所述点积矩阵做特征值分解，得到对应的特征值和特征向量；

按照所述特征值从大到小的顺序，提取预设数量的多个特征值及对应的特征向量，处理得到降维矩阵：

其中，Z表示所述降维矩阵；Q表示所述特征向量；k表示所述预设数量；λ表示所述特征值；

将所述降维矩阵中的元素作为所述故障数据。