一种机电设备非线性故障预测方法技术

本发明专利技术公开了机电设备故障检测技术领域的一种机电设备非线性故障预测方法，该机电设备非线性故障预测方法的具体步骤如下：S1：利用多台计算机监测仪器和传感器对机电设备的运行状态采集状态信号；S2：对振动信号利用随机共振数学模型使其降噪；S3：实现检测信号的并联随机共振检测；S4：对并联随机共振输出的信号进行检测；S5：实现检测信号的自动识别，本发明专利技术通过将不同结构的随机共振的输出结果进行并联随机共振输出，将检测信号中的高频部分向低频部分输出，减小了检测信号的噪声，以达到系统参数的最优输出，同时利用混沌振子能够提前对检测信号即将出现的故障进行预警，本发明专利技术算法简单，实用性强。

A nonlinear fault prediction method for electromechanical equipment

The invention discloses a field electromechanical equipment fault detection technology is a kind of nonlinear electromechanical equipment fault prediction method, prediction method of the specific steps are as follows: electromechanical equipment fault S1: collecting state signal by using multiple computers running state monitoring instruments and sensors on the electrical and mechanical equipment; S2: the vibration signal using stochastic resonance mathematical model the noise reduction; S3: the realization of parallel stochastic resonance detection signal; S4 signal output of parallel stochastic resonance detection; S5: automatically recognize the detection signal, the output is not stochastic resonance with the structure of the parallel stochastic resonance output, the detection signal of the high frequency to the low frequency part the output, reduces the noise signal, to achieve the optimal output parameters of the system, at the same time, the chaotic oscillator can advance to The method is simple and practical in early warning of the detected signal.

【技术实现步骤摘要】
一种机电设备非线性故障预测方法
本专利技术涉及机电设备故障检测
，具体为一种机电设备非线性故障预测方法。
技术介绍
现代化生产中机械设备的故障诊断技术越来越受到重视，人们投入大量的精力进行研究，机电设备故障诊断技术取得了很大的进展，探索出一系列新的理论方法与技术应用于实际，增加了机电设备故障诊断的效率，奠定了对机电设备实施故障诊断分析与修复的坚实基础，产生了明显的经济效益和社会效益。机电设备早期故障的微弱信号检测一直是故障诊断领域的研究热点。目前机电设备的检测方法主要集中在两个方面：一是利用现代信号处理方法对噪声进行抑制或消除，当噪声频率与信号频率相等或接近时，该类方法在抑制噪声的同时，亦不可避免的损伤到有用信号，极大的影响了微弱信号检测的效果；二是利用一些非线性系统的自身特性对信号进行检测，常用的非线性方法有随机共振、混沌振子和差分振子等。随机共振系统结构参数严重影响着输出结果，如何自适应选择系统参数以达到最优输出，始终是困扰各种随机共振算法的难题，为此，我们提出了一种机电设备非线性故障预测方法投入使用，以解决上述问题。
技术实现思路
本专利技术的目的在于提供一种机电设备非线性故障预测方法，以解决上述
技术介绍
中提出的随机共振系统结构参数严重影响着输出结果和传统的方法抑制噪声的同时，亦不可避免的损伤到有用信号，极大的影响了微弱信号检测的效果的问题。为实现上述目的，本专利技术提供如下技术方案：一种机电设备非线性故障预测方法，该机电设备非线性故障预测方法的具体步骤如下：S1：利用多台计算机监测仪器和传感器对机电设备的运行状态采集状态信号，并建立分析诊断中心；S2：对步骤S1中采集的振动信号利用随机共振数学模型使其降噪；S3：提取两个不同随机共振输出的结果中的相同信号频率成分，实现检测信号的并联随机共振检测；S4：利用混沌振子系统对噪声的免疫特性，对并联随机共振输出的信号进行检测；S5：利用混沌振子相图的定量刻画使检测信号的客观、自动检测，利用不变矩定量识别混沌振子相图的状态，实现检测信号的自动识别。优选的，所述步骤S1中，传感器布置在机电设备的待监测的关键节点上。优选的，所述步骤S2中，振动信号为低频振动信号，利用随机共振数学模型将振动信号中的高频部分的能量转移到低频部分，使其降噪。优选的，所述步骤S2中，在随机共振数学模型中采用对称双势阱函数V(x)表示，式中a，b为非线性系统的机构参数，对称双势阱的位置为势垒高度ΔV＝a2/(4b)，u(t)＝Asin(2πf0t)为周期正弦信号，A为幅值，n(t)为白噪声，且满足E[n(t)]＝0，E[n(t)n(t-τ)]＝2Dδ(τ)，D表示其噪声强度。优选的，所述步骤S4中，使用混沌振子检测器对信号进行检测，其中检测器表示为x″(t)+cx′(t)-x(t)+x3(t)＝fcos(ωt)，式中c为阻尼比，-x(t)+x3(t)为非线性恢复力，fcos(ωt)为周期驱动力。优选的，所述步骤S5中，混沌振子相图的自动识别对于二值图像，在R2平面上任意正整数p和q的p+q阶矩为式中f(x,y)为图像在点(x,y)上的灰度，mpq依赖于该图像在坐标系中的位置，不具备平移不变性，而p+q阶的中心距μpq满足平移不变性，其定义为式中为图像的质心。与现有技术相比，本专利技术的有益效果是：本专利技术通过将不同结构的随机共振的输出结果进行并联随机共振输出，将检测信号中的高频部分向低频部分输出，减小了检测信号的噪声，以达到系统参数的最优输出，同时利用混沌振子能够提前对检测信号即将出现的故障进行预警，本专利技术算法简单，实用性强。附图说明图1为本专利技术工作流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供一种技术方案：一种机电设备非线性故障预测方法，该机电设备非线性故障预测方法的具体步骤如下：S1：利用多台计算机监测仪器和传感器对机电设备的运行状态采集状态信号，并建立分析诊断中心，传感器布置在机电设备的待监测的关键节点上；S2：对步骤S1中采集的振动信号利用随机共振数学模型使其降噪，振动信号为低频振动信号，利用随机共振数学模型将振动信号中的高频部分的能量转移到低频部分，使其降噪，在随机共振数学模型中采用对称双势阱函数V(x)表示，式中a，b为非线性系统的机构参数，对称双势阱的位置为势垒高度ΔV＝a2/(4b)，u(t)＝Asin(2πf0t)为周期正弦信号，A为幅值，n(t)为白噪声，且满足E[n(t)]＝0，E[n(t)n(t-τ)]＝2Dδ(τ)，D表示其噪声强度；S3：提取两个不同随机共振输出的结果中的相同信号频率成分，实现检测信号的并联随机共振检测；S4：利用混沌振子系统对噪声的免疫特性，对并联随机共振输出的信号进行检测，使用混沌振子检测器对信号进行检测，其中检测器表示为x″(t)+cx′(t)-x(t)+x3(t)＝fcos(ωt)，式中c为阻尼比，-x(t)+x3(t)为非线性恢复力，fcos(ωt)为周期驱动力；S5：利用混沌振子相图的定量刻画使检测信号的客观、自动检测，利用不变矩定量识别混沌振子相图的状态，实现检测信号的自动识别，混沌振子相图的自动识别对于二值图像，在R2平面上任意正整数p和q的p+q阶矩为式中f(x,y)为图像在点(x,y)上的灰度，mpq依赖于该图像在坐标系中的位置，不具备平移不变性，而p+q阶的中心距μpq满足平移不变性，其定义为式中为图像的质心。尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
一种机电设备非线性故障预测方法，其特征在于：该机电设备非线性故障预测方法的具体步骤如下：S1：利用多台计算机监测仪器和传感器对机电设备的运行状态采集状态信号，并建立分析诊断中心；S2：对步骤S1中采集的振动信号利用随机共振数学模型使其降噪；S3：提取两个不同随机共振输出的结果中的相同信号频率成分，实现检测信号的并联随机共振检测；S4：利用混沌振子系统对噪声的免疫特性，对并联随机共振输出的信号进行检测；S5：利用混沌振子相图的定量刻画使检测信号的客观、自动检测，利用不变矩定量识别混沌振子相图的状态，实现检测信号的自动识别。

【技术特征摘要】
1.一种机电设备非线性故障预测方法，其特征在于：该机电设备非线性故障预测方法的具体步骤如下：S1：利用多台计算机监测仪器和传感器对机电设备的运行状态采集状态信号，并建立分析诊断中心；S2：对步骤S1中采集的振动信号利用随机共振数学模型使其降噪；S3：提取两个不同随机共振输出的结果中的相同信号频率成分，实现检测信号的并联随机共振检测；S4：利用混沌振子系统对噪声的免疫特性，对并联随机共振输出的信号进行检测；S5：利用混沌振子相图的定量刻画使检测信号的客观、自动检测，利用不变矩定量识别混沌振子相图的状态，实现检测信号的自动识别。2.根据权利要求1所述的一种机电设备非线性故障预测方法，其特征在于：所述步骤S1中，传感器布置在机电设备的待监测的关键节点上。3.根据权利要求1所述的一种机电设备非线性故障预测方法，其特征在于：所述步骤S2中，振动信号为低频振动信号，利用随机共振数学模型将振动信号中的高频部分的能量转移到低频部分，使其降噪。4.根据权利要求1所述的一种机电设备非线性故障预测方法，其特征在于：所述步骤...

【专利技术属性】
技术研发人员：杨志波，李凯强，王静，崔沛，胡军臣，李涛涛，刘石安，明平美，刘爱菊，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41