一種機械復合故障的診斷方法
【專利摘要】本發明公開了一種機械復合故障的診斷方法，包括以下步驟：應用經驗模態分解將復合故障信號分解為若干個IMF分量；提取每個IMF分量的特征量，建立故障樣本數據網絡模型；將每個IMF分量視為網絡中的社團，根據復雜網絡社團結構內部連接緊密，而與社團外部連接稀疏的特性，進行同類社團合并；合并所得每個社團與單一故障相對應；對合并的信號進行分析，將復合故障特征分離為單一故障特征，得到故障診斷結構。本發明將復合故障分解為不同頻率的IMF分量，將每個IMF分量視為網路中的社團結構，根據復雜網絡社團合并，得到分離后的單故障信號，從而實現復合故障特征分離，得到診斷結果。
【專利說明】一種機械復合故障的診斷方法
【技術領域】
[0001] 本發明涉及一種復合故障診斷方法，尤其涉及將復合故障信號特征分離轉化為單 一故障診斷的機械復合故障診斷方法。
【背景技術】
[0002] 隨著工業技術的進步，大型復雜機械正朝著大型化、復雜化發展，機械運行狀態是 否良好將直接影響工業生產。然而在工程實際中有的設備零件需要損壞達到一定程度才發 現并進行更換，在載荷工況極其復雜情況下，此期間可能出現多種故障并存的現象，從而形 成復合故障。由于大部分復合故障的特征頻率均處于分析頻率的低頻段，能量較低，常被淹 沒在強大的背景噪聲中，故障間的相互影響等特性，從頻譜圖上很難看出與故障對應的特 征頻率。因此，給復合故障全面準確診斷造成困難。
[0003] 而近幾年，對單故障診斷研究發展迅速，如FFT分析、包絡譜分析、小波分析、譜峭 度等，這些方法在單故障診斷中均表現出較好的效果。然而，將這些方法應用于復合故障診 斷中卻會遇到許多困難，FFT分析和包絡譜分析在診斷故障強弱差距較大的復合故障時，較 弱的故障成分容易淹沒于噪聲之中，從而在診斷時被忽略。小波分析通過特定的基函數對 信號特征進行提取，在故障診斷中廣泛應用的是單小波只有一個基函數，只能最佳匹配一 種故障特征，故在復合故障特征提取時容易顧此失彼。譜峭度是根據計算每根譜線的峭度 值大小來選取帶通濾波器參數，然后進行故障診斷，在分析復合故障時，由于選取最大的峭 度值進行分析導致某些故障峭度值易被遺漏，從而難以準確診斷出各故障狀態。因此，如何 將復合故障特征分離從而形成單一故障進行故障診斷，一直是難點且缺乏行之有效的分離 方法，同時也成為故障診斷中需要解決的關鍵問題。
【發明內容】
[0004] 為了解決上述技術問題，本發明提供一種可靠性高的機械復合故障的診斷方法， 將復合故障特征分離轉化為單一故障診斷，以解決復合故障診斷困難的問題。
[0005] 本發明解決上述技術問題的技術方案包括以下步驟：
[0006] (1)應用EMD將復合故障信號分解為若干個IMF分量；
[0007] (2)提取每個MF分量的特征量，建立故障樣本數據網絡模型；
[0008] (3)將每個MF分量視為網絡中的社團，根據復雜網絡社團結構內部連接緊密，而 與社團外部連接稀疏的特性，進行同類社團合并；
[0009] (4)合并所得每個社團與單一故障相對應；
[0010] (5)對合并的信號進行分析，實現復合故障特征分離與診斷。
[0011] 本發明的技術效果是：本發明應用EMD將復合故障信號分解為若干個IMF分量，由 于不同單一故障的特征會在不同頻段得以體現，提取每個頂F分量的特征量，建立故障樣 本數據網絡模型；然后將每個MF分量視為網絡中的社團，根據復雜網絡社團結構內部連 接緊密，而與社團外部連接稀疏的特性，進行同類社團合并，合并所得每個社團與單一故障 相對應，最后對合并的信號進行分析，實現復合故障特征分離，并得到診斷結果，解決了復 合故障診斷難的技術問題。
【專利附圖】
【附圖說明】
[0012] 圖1是本發明的流程圖。
[0013] 圖2是本發明中復合故障振動信號和包絡譜示意圖。
[0014] 圖3是本發明中網絡社團聚類系數示意圖。
[0015] 圖4是本發明中轉子不平衡和內圈復合故障分離的包絡頻譜圖。
[0016] 圖5是本發明中滾動軸承內圈和滾動體復合故障分離的包絡頻譜圖。
【具體實施方式】
[0017] 下面結合附圖和實施例對本發明作進一步的詳細說明。
[0018] 參見圖1，圖1為本發明的流程圖。本發明的具體實施步驟如下：
[0019] (1)應用 EMD (Empirical Mode Decomposition, EMD)將復合故障信號分解為若干 個IMF分量。EMD方法是一種全新的信號時頻分析方法。它是利用信號內部時間尺度的變 化做能量與頻率的解析，可以將非線性、非平穩態的信號自適應的分解為有限數目的線性、 穩態的本征模態函數分量（Intrinsic Mode Function,簡稱 IMF) IMF1, IMF2, IMF3...，IMFn， 這樣不同的本征模態分量反映不同頻段的信息。而復合故障有多個故障特征對應不同的故 障頻率，每個故障頻段在不同的模態分量得以體現。利用EMD這一特性，能夠將振動信號中 的各故障狀態信息進行分離，然后將每個IMF分量視為復雜網絡中的社團結構進行社團合 并。
[0020] (2)提取每個MF分量的特征量，建立故障樣本數據網絡模型。通過現場監測，獲 得復合故障動態信息，對復合故障觀測信號進行EMD，得到若干個IMF分量，提取不同IMF 分量故障特征量，組成樣本集，把每個樣本抽象為網絡節點，樣本與樣本之間的關系抽象為 邊，這樣不同頂F分量的樣本就可以抽象成復雜網絡結構，而每個MF分量視為網絡中的社 團。
[0021] 設故障樣本集X = {χ1; x2. . .，xn}，每個樣本p個屬性，即Xi = {xn，xi2. · ·，xip}，（/. = 1，2Λ ra)，Xi與χ』之間的聯系用相似度a。e A表示；將每個數據樣本 Xi視為網絡"節點"，數據樣本之間的聯系作為網絡"關系"，則數據結構可以表示成故障數 據網絡模型G(X，A)。
[0022] 比較不同模式的相似性可以轉化為比較兩個向量的距離。一般而言，％是樣本Xi 和Xj間距離&的函數。相似度函數設計的原則是使網絡具有較好的塊狀結構（塊內相似 度盡可能接近，塊之間相似度差別較大），將其定義為：
[0023] atj = exp (-〇. 1*(1^·) (1)
[0024]
【權利要求】
1. 一種機械復合故障的診斷方法，包括以下步驟： (1) 應用EMD將復合故障信號分解為若干個IMF分量； (2) 提取每個MF分量的特征量，建立故障樣本數據網絡模型； (3) 將每個IMF分量視為網絡中的社團，根據復雜網絡社團結構內部連接緊密，而與社 團外部連接稀疏的特性，進行同類社團合并； (4) 合并所得每個社團與單一故障相對應； (5) 對合并的信號進行分析，將復合故障特征分離為單一故障特征，得到故障診斷結 果。
2. 根據權利要求1所述的機械復合故障的診斷方法，所述故障樣本數據網絡建模步驟 為： 設故障樣本集
每個樣本P個屬性，即Xi =
Xi與\之間的聯系用相似度
A表示； 將每個數據樣本Xi視為網絡"節點"，數據樣本之間的聯系作為網絡"關系"，則數據結 構可以表示成加權無向網絡G(X，A); 比較不同模式的相似性可以轉化為比較兩個向量的距離，一般而言，au是樣本Xi和Xj 間距離du的函數，相似度函數設計的原則是使網絡具有較好的塊狀結構，將其定義為： ajj = exp (-〇. l^djj)
式中，du為歐式距離度量，du越小，au越大，表明Xi與\間的相似度越大；自身的相 似度為〇,即當i = j時，au = 0,由于兩個節點之間彼此的相似度相等，即au = a#,所以A 是一個對稱矩陣，則η個節點的網絡的連接矩陣為：
至此，得到故障數據網絡模型G (X，Α)。
3. 根據權利要求1所述的機械復合故障的診斷方法，所述復合故障信號經EMD分解的 IMF分量視為網絡中的社團，進行冗余社團合并，根據任意兩個社團合并計算相應的模塊性 合并指標變化，即每次合并操作之前可以計算出：
直到所有的都小于零為止，冗余社團合并結束。
4. 根據權利要求3所述的機械復合故障的診斷方法，所述冗余社團合并是將合并的 IMF分量重新組合進行包絡譜分析，將沒有分離的復合故障信號進行包絡譜分析作對比。
【文檔編號】G06F19/00GK104156623SQ201410427453
【公開日】2014年11月19日 申請日期:2014年8月27日 優先權日:2014年8月27日
【發明者】蔣玲莉, 潘陽, 陳安華, 李學軍, 伍濟鋼, 賓光富, 王廣斌 申請人:湖南科技大學