[发明专利]一种机械振动信号的故障分析方法

摘要

本发明公开了一种机械振动信号的故障类型分析方法，包括信号预处理、信号的正式处理、信号的特征参数提取、信号的故障识别这几个步骤，本发明的有益成果为，通过振动信号的样本熵值的变化，样本熵能够做为机械故障的特征参数进行提取，对机械故障振动信号的频率进行分类分析，并使用支持向量机进行故障的识别，简化了机械故障的识别过程。

主权项

一种机械振动信号的故障分析方法，其特征在于，包括信号预处理、信号的正式处理、信号的特征参数提取、信号的故障识别；所述信号预处理通过仿真对所述机械振动信号对比实验，采用经验模态分解的降噪方法，其中对所述经验模态分解的降噪方法的降噪性能进行了改进，最后将其用于实测所述机械振动信号的降噪；所述信号的正式处理在经过所述信号预处理之后，得到了所述机械振动信号的降噪形式，在这过程中采用了机械振动信号故障特征提取方法，并将所述机械振动信号的相对小波能量融合在内，针对故障样本数目少的问题，使用支持向量机作为故障识别分类器进行故障诊断，得到所述机械振动信号的故障特征；所述信号的特征参数提取，首先从所述机械振动信号的故障特征中进一步提取样本熵，同时利用所述样本熵对不同故障类型、不同损伤程度的所述机械振动信号进行分析，结果表明所述样本熵可以作为故障特征参数，多次提取所述样本熵以建立所述故障特征参数的矩阵，并进行所述故障特征参数的矩阵的奇异值分解，同时利用所述故障识别分类器进行机械故障特征参数提取；所述信号的故障识别，对按振动频率的大小对所述机械故障振动信号进行分类，分为频率高的所述机械故障振动信号以及频率低的所述机械故障振动信号，对所述频率高的所述机械故障振动信号利用独立分量分析对所述机械故障振动信号进行分析，得到统计上相互独立的分量，将所述机械振动信号表示为所述相互独立的分量的线性组合，其中所述相互独立的分量的线性组合的系数作为特征向量，将所述机械故障特征参数带入，并结合最近邻算法进行机械故障识别，得到所述频率高的所述机械故障振动信号的故障类型；对所述频率低的所述机械故障振动信号进行独立分量分析，获得不同工况信号的独立分量，然后将所述不同工况信号的独立分量的绝对值作为特征，以所述机械故障特征参数为参考，再次使用支持向量机进行机械故障识别得到所述频率低的所述机械故障振动信号的故障类型。