[发明专利]基于稀疏分解与邻域蜂群算法的电机故障诊断方法

说明书

本发明公开了一种基于稀疏分解与邻域蜂群算法的电机故障诊断方法，利用IM‑HHT提取直流电机特征及信号分析。将电机采样信号经稀疏分解去噪处理，利用正交匹配追踪算法对电机信号进行处理前去噪，从过完备字典中选择若干最优原子线性组合；利用经验模态分解，将给定的信号分解为若干IMF，再利用相关性参数，去除假性IMF，最后进行Hilbert变换，得到原始信号的Hilbert谱；基于聚类型欧氏距离判定方法特征选取；利用方形邻域选择人工蜂群算法完成对电机信号特征因子的排序；通过径向基分类器对电机故障进行分类识别。与现有技术相比，本发明针对直流电机轴承故障、定子绕组故障和转子故障，能够实现电机的自主故障诊断。

技术领域

本发明属于电机故障诊断技术领域，特别是一种基于稀疏分解与邻域蜂群算法的电机故障诊断方法。

背景技术

制造生产设备普遍存在的电机故障问题，目前，精密机械加工企业一般的解决方法是：一方面，进行计划性的检修，即定期对电动机进行全面检修和清扫工作，并尽全力规范生产设备的操作标准，加强对操作人员与维修人员的培养，使得他们熟悉设备结构，了解设备所用电机的性能，懂得基本保养措施，从而加强设备保养和维护，确保生产设备正常运行，提高使用年限，但是，在实际实施过程中，操作人员更换较为频繁，电机数量过多，安装位置不便等因素都会导致该种方式维护不到位，另外，这种传统方法对预防意外故障具有一定的积极作用，但也具有很大的盲目性。由于不能确定电动机是否存在故障，因此，某些电动机已有的故障隐患可能漏检，而本来没有隐患的电动机则可能由于拆卸、重装时的意外而造成人为的故障隐患，除此以外，计划检修要耗费大量的人力、物力、财力和时间，各类资源不仅没有得到合理的利用，还减少了企业的正常生产时间，降低了生产效率，实际上也给企业造成了很大的经济损失。传统的故障诊断方法均存在一些缺陷，比如，对先验知识过度依赖，泛化能力受到一定的约束等，已经不能满足目前电机故障监测的要求。

发明内容

发明目的：本发明针对上述现有技术中存在的问题，提供了一种基于稀疏分解与邻域蜂群算法的电机故障诊断方法，保证系统具有更高的精度和更少的特征，提高故障诊断的精确度和效率。

技术方案：本发明提供了一种基于稀疏分解与邻域蜂群算法的电机故障诊断方法，包括如下步骤：

步骤1：利用稀疏分解IM-HHT提取直流电机特征及信号分析；将电机采样信号经稀疏分解去噪处理，利用正交匹配追踪算法，对电机信号进行处理前去噪，从过完备字典DCT中选择若干最优原子，并将选择出的原子线性组合，然后利用经验模态分解EMD，将给定的信号分解为若干固有模态函数IMF，再利用相关性参数，去除假性IMF，最后进行Hilbert变换，得到原始信号的Hilbert谱；

步骤2：基于聚类型欧氏距离判定方法进行特征选取；

步骤3：基于方形邻域选择人工蜂群SS-ABC算法对电机信号特征因子排序；所述方形邻域选择人工蜂群SS-ABC算法为利用方形邻域选择方法代替原始ABC算法的概率选择，修改构建搜索策略，实现方形邻域选择人工蜂群SS-ABC算法的改进；

步骤4：通过径向基RBF分类器对电机故障进行分类识别。

进一步地，所述步骤1中稀疏分解去噪处理，利用正交匹配追踪算法，对电机信号进行处理前去噪的具体操作为：

(1)表征待分解信号及模型

其中，f_i为待分解信号，F＝{f₁，f₂，...f_n}为待分解信号矩阵，m为所选原子的个数，D＝{d₁，d₂，...d_n}为过完备字典，d_i为所选原子，x_i为所选原子对应的稀疏系数。将所选择的m个原子线性组合即可对信号稀疏表示；