一种机械复合故障的诊断方法技术

本发明专利技术公开了一种机械复合故障的诊断方法，包括以下步骤：应用经验模态分解将复合故障信号分解为若干个IMF分量；提取每个IMF分量的特征量，建立故障样本数据网络模型；将每个IMF分量视为网络中的社团，根据复杂网络社团结构内部连接紧密，而与社团外部连接稀疏的特性，进行同类社团合并；合并所得每个社团与单一故障相对应；对合并的信号进行分析，将复合故障特征分离为单一故障特征，得到故障诊断结构。本发明专利技术将复合故障分解为不同频率的IMF分量，将每个IMF分量视为网路中的社团结构，根据复杂网络社团合并，得到分离后的单故障信号，从而实现复合故障特征分离，得到诊断结果。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：应用经验模态分解将复合故障信号分解为若干个IMF分量；提取每个IMF分量的特征量，建立故障样本数据网络模型；将每个IMF分量视为网络中的社团，根据复杂网络社团结构内部连接紧密，而与社团外部连接稀疏的特性，进行同类社团合并；合并所得每个社团与单一故障相对应；对合并的信号进行分析，将复合故障特征分离为单一故障特征，得到故障诊断结构。本专利技术将复合故障分解为不同频率的IMF分量，将每个IMF分量视为网路中的社团结构，根据复杂网络社团合并，得到分离后的单故障信号，从而实现复合故障特征分离，得到诊断结果。【专利说明】
本专利技术涉及一种复合故障诊断方法，尤其涉及将复合故障信号特征分离转化为单 一故障诊断的机械复合故障诊断方法。
技术介绍
随着工业技术的进步，大型复杂机械正朝着大型化、复杂化发展，机械运行状态是 否良好将直接影响工业生产。然而在工程实际中有的设备零件需要损坏达到一定程度才发 现并进行更换，在载荷工况极其复杂情况下，此期间可能出现多种故障并存的现象，从而形 成复合故障。由于大部分复合故障的特征频率均处于分析频率的低频段，能量较低，常被淹 没在强大的背景噪声中，故障间的相互影响等特性，从频谱图上很难看出与故障对应的特 征频率。因此，给复合故障全面准确诊断造成困难。 而近几年，对单故障诊断研究发展迅速，如FFT分析、包络谱分析、小波分析、谱峭 度等，这些方法在单故障诊断中均表现出较好的效果。然而，将这些方法应用于复合故障诊 断中却会遇到许多困难，FFT分析和包络谱分析在诊断故障强弱差距较大的复合故障时，较 弱的故障成分容易淹没于噪声之中，从而在诊断时被忽略。小波分析通过特定的基函数对 信号特征进行提取，在故障诊断中广泛应用的是单小波只有一个基函数，只能最佳匹配一 种故障特征，故在复合故障特征提取时容易顾此失彼。谱峭度是根据计算每根谱线的峭度 值大小来选取带通滤波器参数，然后进行故障诊断，在分析复合故障时，由于选取最大的峭 度值进行分析导致某些故障峭度值易被遗漏，从而难以准确诊断出各故障状态。因此，如何 将复合故障特征分离从而形成单一故障进行故障诊断，一直是难点且缺乏行之有效的分离 方法，同时也成为故障诊断中需要解决的关键问题。
技术实现思路
为了解决上述技术问题，本专利技术提供一种可靠性高的机械复合故障的诊断方法， 将复合故障特征分离转化为单一故障诊断，以解决复合故障诊断困难的问题。 本专利技术解决上述技术问题的技术方案包括以下步骤： (1)应用EMD将复合故障信号分解为若干个IMF分量； (2)提取每个MF分量的特征量，建立故障样本数据网络模型； (3)将每个MF分量视为网络中的社团，根据复杂网络社团结构内部连接紧密，而 与社团外部连接稀疏的特性，进行同类社团合并； (4)合并所得每个社团与单一故障相对应； (5)对合并的信号进行分析，实现复合故障特征分离与诊断。 本专利技术的技术效果是：本专利技术应用EMD将复合故障信号分解为若干个IMF分量，由 于不同单一故障的特征会在不同频段得以体现，提取每个頂F分量的特征量，建立故障样 本数据网络模型；然后将每个MF分量视为网络中的社团，根据复杂网络社团结构内部连 接紧密，而与社团外部连接稀疏的特性，进行同类社团合并，合并所得每个社团与单一故障 相对应，最后对合并的信号进行分析，实现复合故障特征分离，并得到诊断结果，解决了复 合故障诊断难的技术问题。 【专利附图】【附图说明】 图1是本专利技术的流程图。 图2是本专利技术中复合故障振动信号和包络谱示意图。 图3是本专利技术中网络社团聚类系数示意图。 图4是本专利技术中转子不平衡和内圈复合故障分离的包络频谱图。 图5是本专利技术中滚动轴承内圈和滚动体复合故障分离的包络频谱图。 【具体实施方式】 下面结合附图和实施例对本专利技术作进一步的详细说明。 参见图1，图1为本专利技术的流程图。本专利技术的具体实施步骤如下： (1)应用 EMD (Empirical Mode Decomposition, EMD)将复合故障信号分解为若干 个IMF分量。EMD方法是一种全新的信号时频分析方法。它是利用信号内部时间尺度的变 化做能量与频率的解析，可以将非线性、非平稳态的信号自适应的分解为有限数目的线性、 稳态的本征模态函数分量（Intrinsic Mode Function,简称 IMF) IMF1, IMF2, IMF3...，IMFn， 这样不同的本征模态分量反映不同频段的信息。而复合故障有多个故障特征对应不同的故 障频率，每个故障频段在不同的模态分量得以体现。利用EMD这一特性，能够将振动信号中 的各故障状态信息进行分离，然后将每个IMF分量视为复杂网络中的社团结构进行社团合 并。 (2)提取每个MF分量的特征量，建立故障样本数据网络模型。通过现场监测，获 得复合故障动态信息，对复合故障观测信号进行EMD，得到若干个IMF分量，提取不同IMF 分量故障特征量，组成样本集，把每个样本抽象为网络节点，样本与样本之间的关系抽象为 边，这样不同頂F分量的样本就可以抽象成复杂网络结构，而每个MF分量视为网络中的社 团。 设故障样本集X = {χ1; x2. . .，xn}，每个样本p个属性，即Xi = {xn，xi2. · ·，xip}，（/. = 1，2Λ ra)，Xi与χ』之间的联系用相似度a。e A表示；将每个数据样本 Xi视为网络"节点"，数据样本之间的联系作为网络"关系"，则数据结构可以表示成故障数 据网络模型G(X，A)。 比较不同模式的相似性可以转化为比较两个向量的距离。一般而言，％是样本Xi 和Xj间距离&的函数。相似度函数设计的原则是使网络具有较好的块状结构（块内相似 度尽可能接近，块之间相似度差别较大），将其定义为： atj = exp (-〇. 1*(1^·) (1) 【权利要求】1. ，包括以下步骤： (1) 应用EMD将复合故障信号分解为若干个IMF分量； (2) 提取每个MF分量的特征量，建立故障样本数据网络模型； (3) 将每个IMF分量视为网络中的社团，根据复杂网络社团结构内部连接紧密，而与社 团外部连接稀疏的特性，进行同类社团合并； (4) 合并所得每个社团与单一故障相对应； (5) 对合并的信号进行分析，将复合故障特征分离为单一故障特征，得到故障诊断结 果。2. 根据权利要求1所述的机械复合故障的诊断方法，所述故障样本数据网络建模步骤 为： 设故障样本集每个样本P个属性，即Xi =Xi与\之间的联系用相似度A表示； 将每个数据样本Xi视为网络"节点"，数据样本之间的联系作为网络"关系"，则数据结 构可以表示成加权无向网络G(X，A); 比较不同模式的相似性可以转化为比较两个向量的距离，一般而言，au是样本Xi和Xj 间距离du的函数，相似度函数设计的原则是使网络具有较好的块状结构，将其定义为： ajj = exp (-〇. l^djj)式中，du为欧式距离度量，du越小，au越大，表明Xi与\间的相似度越大；自身的相 似度为〇,即当i = j时本文档来自技高网...

【技术保护点】
一种机械复合故障的诊断方法，包括以下步骤：(1)应用EMD将复合故障信号分解为若干个IMF分量；(2)提取每个IMF分量的特征量，建立故障样本数据网络模型；(3)将每个IMF分量视为网络中的社团，根据复杂网络社团结构内部连接紧密，而与社团外部连接稀疏的特性，进行同类社团合并；(4)合并所得每个社团与单一故障相对应；(5)对合并的信号进行分析，将复合故障特征分离为单一故障特征，得到故障诊断结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：蒋玲莉，潘阳，陈安华，李学军，伍济钢，宾光富，王广斌，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：湖南;43