[发明专利]基于精细多重分形的往复压缩机故障诊断方法

摘要

本发明涉及的基于精细多重分形的往复压缩机故障诊断方法，它包括采集往复压缩机敏感测点的机体表面振动加速度信号；使用参数优化时变滤波经验模式分解算法对选取的信号进行分解，提取本征模态函数分量；计算所得本征模态函数分量的峭度值优选出主要本征模态函数分量，进行信号重构，实现采集的振动加速度信号降噪处理；对重构后信号进行精细多重分形计算，通过多重分形奇异谱描述信号的结构特征和局部动力学行为；提取精细多重分形奇异谱参数，形成精细多重分形奇异谱特征向量，对往复压缩机故障进行诊断；将振动信号特征向量输入到支持向量机识别器中，判断振动信号的故障类型。本发明能更细致描述信号的分形特性，可更准确地诊断出故障类型。

主权项

1.一种基于精细多重分形的往复压缩机故障诊断方法，其特征在于包括以下步骤：/n步骤一：采集往复压缩机敏感测点的机体表面振动加速度信号；/n步骤二：使用参数优化时变滤波经验模式分解算法对选取的信号进行分解，提取本征模态函数分量；/n利用遗传算法对时变滤波经验模式分解方法进行参数优化，设置遗传算法所需参数，种群数量为50，最大遗传代数为200，交叉概率为0.3，变异概率为0.01，选取峭度值作为适应度函数，通过每次更新计算的适应度值进行比较更新，以峭度值最大化作为参数优化的目标，确定时变滤波经验模式分解信号的最佳影响参数：带宽阈值ξ和B样条次序n，记为[ξ₀,n₀]；/n1)初始化遗传算法参数：种群数量为50，最大遗传代数为200，交叉概率为0.3，变异概率为0.01，选取峭度值作为适应度函数；/n /n式中，x_i为信号值，为信号均值，N为信号长度，σ_i为标准差；/n2)利用时变滤波经验模式分解方法分解采集的加速度信号，计算各本征模态函数分量的峭度值，保存此次遗传算法计算后的最大适应度函数K₀；/n2.1)时变滤波经验模式分解的实现步骤为：/n2.1.1)对采集的加速度信号x(t)使用希尔伯特变换，计算其瞬时幅值A(t)和瞬时频率/n2.1.2)分别确定A(t)的局部最小、最大值所对应的时刻{t_min}和{t_max}；/n2.1.3)通过估计局部最小、最大值A({t_min})和A({t_min})的插值线β₁(t)和β₂(t)，计算得到瞬时包络函数a₁(t)和a₂(t)/na₁(t)＝[β₁(t)+β₂(t)]/2/na₂(t)＝[β₂(t)-β₁(t)]/2/n2.1.4)然后，计算和分别通过对和进行插值估计得到η₁(t)和η₂(t)，/n /n /n2.1.5)计算局部截止频率得到：/n /n2.1.6)重排具体如下：/na)确定信号x(t)的局部最大值u_i，i＝1,2,3...；/nb)找出所有的间歇时刻e_j，j＝1,2,3...，即满足如果时间点u_i是间歇时刻，则e_j＝u_i；/n如果e_j是的上升边缘，如果e_j是的下降边缘；/nc)如果e_j处于上升边缘，那么是基层，如果e_j处于下降边缘，那么是基层，的剩余部分是峰值；/nd)在峰值间进行插值获得局部截止频率；/n2.1.7)得到局部截止频率后，信号h(t)可通过下式重新获得/n /n然后，通过取h(t)的节点作为极值点，即h(t)的{t_min}和{t_max}，构造时变滤波器，时变滤波器为B样条近似滤波器，通过这种方式滤波器截止频率与一致，结果表示为m(t)；/n2.1.8)定义计算停止条件θ(t)：/n /n对于给定的带宽阈值ξ和n，如果θ(t)≤ξ，该信号是局部窄带的，被记为一个本征模态函数，否则，x₁(t)＝x(t)-m(t)，重复2.1.1)～2.1.7)步骤直至停止循环；加权平均瞬时频率和Loughlin瞬时带宽B_Loughlin分别是由下式计算得出；/n /n /n3)确定是否满足迭代终止条件：若K≤K₀时，迭代停止，否则K＝K+1，继续进行迭代运算；/n4)确定最大适应度函数值K_max，及对应时变滤波经验模式分解信号的最佳影响参数[ξ₀,n₀]；/n5)再使用具有最佳影响参数[ξ₀,n₀]的时变滤波经验模式分解方法分解原始信号，获得若干本征模态函数分量；/n步骤三：计算所得本征模态函数分量的峭度值优选出主要本征模态函数分量，进行信号重构，从而实现采集的往复压缩机振动加速度信号降噪处理效果；/n步骤四：对重构后信号进行精细多重分形计算，通过多重分形奇异谱描述信号的结构特征和局部动力学行为；/n对重构后信号进行精细多重分形计算的具体步骤如下：/n1)假设参数优化时变滤波经验模式分解重构后的信号为y(t)，采用重要点分段法确定信号y(t)分段数，具体过程如下：/n1.1)记为有序集合Q＝(Y₁,Y₂,Y₃,...,Y_n)，其中Y_i＝y(t_i)；/n1.2)对于任意Y_i,i∈[1,n]，若Y_i与相邻两重要点Y_p与Y_q连线的垂直距离最大，那么Y_i就为该集合的重要点，式中点Y_p与Y_q已确定为重要点，若则Y_i即为重要点，构成两个子序列(Y_p,Y_i)和(Y_i,Y_q)；/n1.3)确定重要点Q后，对各子序列y_i(t)内的s个点进行灰色GM(1,1)模型拟合，得到：/ny(t)＝(y₁(t),y₂(t),y₃(t),...,y_i(t)),i∈[1,n-1]/n /n1.4)计算各子序列均方误差F²(s,v)/n /n1.5)计算q阶波动函数F_q(s)/n /n1.6)F_q(s)随着s增大呈幂律关系增加，即F_q(s)∝s^h(q)，故有/n /n经简化处理后，可得到精细多重分形奇异谱函数f(a)：/n /n步骤五：提取精细多重分形奇异谱参数，形成精细多重分形奇异谱特征向量，用于对往复压缩机故障进行诊断；/n步骤六：将振动信号特征向量输入到识别器中，判断振动信号的故障类型。/n