[发明专利]一种在线间歇故障检测与诊断方法

摘要

本发明公开了一种在线间歇故障检测与诊断方法，具体包括以下步骤：(1)利用待诊断系统获取标准故障数据集；(2)通过小波模极大值法判断信号中是否存在奇异点，识别出数据集中的间歇故障信号；(3)利用经验小波变换对检测出的间歇故障信号进行处理，实现间歇故障信号的自适应分解；(4)计算经验模态分量与原始间歇故障信号的皮尔逊相关系数以及经验模态分量的峭度，优化选取分量进行特征提取；(5)通过灰色关联度分析方法对待识别间歇故障信号和参考间歇故障模式的多个特征参数进行快速匹配，建立动态变化的间歇故障模式库；(6)根据不同间歇故障模式出现的次数和时间差对间歇故障类别进行判定，得出在线诊断结果。

主权项

1.一种在线间歇故障检测与诊断方法，其特征在于，包括如下步骤：/n1)采集待诊断系统在不同运行状态下的监测信号，通过滑动时间窗口对采集到的信号进行在线处理，以时间窗口获取的多段数据作为故障数据集，这些数据包括正常信号、不同间歇故障信号和永久故障信号；/n2)对采集到的不同状态的信号进行异常检测，通过小波模极大值法对信号中的奇异点进行检测，将对间歇故障信号的检测问题转化为对奇点信号的检测问题，从而识别出数据集中的间歇故障信号；/n3)对不同的间歇故障信号进行信号处理，通过经验小波变换从原始信号中提取出不同的调幅-调频经验模态分量，实现间歇故障信号的自适应分解；/n4)选取所有经验模态分量中间歇故障特征最明显的分量进行特征提取，通过计算经验模态分量与原始间歇故障信号的皮尔逊相关系数，设定相关系数阈值排除虚假的分量，并从真实分量中选取峭度最大的经验模态分量作为特征分量，对优化选取的特征分量进行特征提取，计算特征分量的峰值因子、峭度因子、脉冲因子、波形因子、裕度因子、超阈值次数、能量、持续时间作为特征指标；/n5)通过灰色关联度分析方法对间歇故障信号进行多特征快速匹配，从而确定每个时间窗数据的故障模式，若关联度低于设定的阈值，则该时间窗数据的特征作为一种新的故障模式添加到间歇故障模式库中，建立动态变化的间歇故障模式库，若关联度大于设定的阈值，取最大关联度对应的模式作为正确的模式匹配；/n6)记录不同间歇故障模式每次出现的时间，根据不同间歇故障模式出现的次数和时间差对间歇故障类别进行判定，得出在线诊断结果。/n