一种基于改进排列熵的单向阀故障特征提取方法技术

本发明专利技术涉及一种基于改进排列熵的单向阀故障特征提取方法，属于机械故障诊断及信号处理技术领域。首先，针对排列熵算法只考虑信号的排列顺序而忽略信号幅值的问题，通过给重构分量添加一个加权系数来改进排列熵，进而提出改进排列熵算法；然后，直接采用改进排列熵算法提取强噪声背景下的单向阀故障特征，完成单向阀的故障诊断。本发明专利技术提出利用排列熵提取单向阀的故障特征，并针对排列熵的不足进行改进，提高它抵抗噪声干扰的能力，省略信号的预处理步骤，缩短了程序运行时间，提高了诊断效率。

【技术实现步骤摘要】
一种基于改进排列熵的单向阀故障特征提取方法
本专利技术涉及一种基于改进排列熵的单向阀故障特征提取方法，属于机械故障诊断及信号处理

技术介绍
高压隔膜泵是矿浆管道输送的核心设备，用于输送高浓度、高腐蚀的矿浆物料。而单向阀作为隔膜泵的主要零部件，在实际工作中最容易发生故障，其故障直接影响整个隔膜泵系统的运行状态。因此，对单向阀的故障诊断尤其重要。但由于隔膜泵机械系统复杂，信号的激励源较多，而且单向阀信号又存在很强的背景噪声，导致单向阀的故障特征提取困难。在目前的研究中，很多都会先对单向阀信号进行预处理然后再提取单向阀的故障特征，预处理的方法包括常见的降噪、分解等，虽然这些方法通常都可以取得不错的效果，但对于一些预处理方法，如VMD、CEEMDAN等方法，它们的运行时间较长，在数据样本极大时，耗时尤明显，这也极大地影响了单向阀的诊断效率。排列熵(permutationentropy，PE)可以有效地检测信号突变，衡量信号复杂度，在机械故障诊断中被广泛应用。但PE对噪声比较敏感，通常需要结合滤波降噪、模态分解等方法联合使用，影响了诊断效率；而且，在提取机械故障特征时，PE只考虑信号的排列顺序而忽略了信号幅值间的差异，丢失了包含在信号幅值中的信息。
技术实现思路
本专利技术要解决的技术问题是提供一种基于改进排列熵的单向阀故障特征提取方法，针对PE的不足，通过给重构分量添加一个加权系数(平均偏差)来改进排列熵，利用元素与平均值之间的偏离程度来考虑信号幅值间的差异，再将其进行平均处理提高对噪声的抗干扰能力，进而提出改进排列熵(improvedpermutationentropy，IPE)算法；然后，直接利用IPE提取强噪声背景下的单向阀故障特征，完成单向阀的故障诊断，以便解决上述问题。本专利技术的技术方案是：一种基于改进排列熵的单向阀故障特征提取方法，首先，针对排列熵算法只考虑信号的排列顺序而忽略信号幅值的问题，通过给重构分量添加一个加权系数来改进排列熵，进而提出改进排列熵算法；然后，直接采用改进排列熵算法提取强噪声背景下的单向阀故障特征，完成单向阀的故障诊断。具体步骤为：Step1：利用加速度传感器在单向阀正常、卡阀故障、磨损故障状态下进行采样，得到单向阀各状态下的振动数据；Step2：通过给排列熵的重构分量增添一个加权系数(平均偏差)来改进排列熵，提出改进排列熵算法；Step3：利用改进排列熵直接提取强噪声背景下的单向阀故障特征，实现单向阀的故障诊断。进一步的，所述Step2中排列熵算法具体步骤为：Step2.1：将长度为T的离散时间序列进行相空间重构，得到重构矩阵其中m为嵌入维数，τ为时间延迟，i＝1,2,…,T-(m-1)τ；Step2.2：原时间序列重构后共有T-(m-1)τ行，将每行的重构分量按照升序排列，如式(1)所示：式中，k1,k2,…,km为重构分量中元素所在列的索引，若出现元素幅值相等的情况，则按照元素索引位置k的大小进行排序；Step2.3：每一行重构分量按照升序排列都可以得到一组符号序列πi＝[k1,k2,…,km]，m维相空间共有m！种不同的符号序列，计算每一种符号序列出现的概率P(πj)；式中，1≤j≤m！且j为正整数；Step2.4：按照香农熵的形式，将时间序列的排列熵定义为：Step2.5：将排列熵进行归一化，当P(πj)＝1/m！时，PE(m,τ)有最大值In(m！)，即归一化结果为：PE＝PE(m,τ)/In(m！)(4)式中，排列熵PE的取值范围为0≤PE≤1，PE表示时间序列的复杂度和随机程度；PE值越大，时间序列的随机程度越高，复杂度越大；PE值越小，时间序列的规则程度越高，复杂度越小。进一步的，所述Step2中改进排列熵(IPE)的原理如下：(1)将时间序列重构矩阵中的重构分量按照升序排列，得到每个重构分量对应的符号序列。(2)按照排列熵的计算步骤，求取给每个重构分量的平均偏差作为其加权系数ωi式中，m为嵌入维数，τ为时间延迟，i＝1,2,…,T-(m-1)τ，为重构分量的平均值。如果该重构分量中的元素幅值均相等，此时ωi记为1。(3)每一种符号序列出现的概率Pω(πj)为：式中，所有符号序列出现的概率和为∑Pω(πj)＝1。(4)时间序列的改进排列熵IPE(m,τ)为：进一步的，IPE中重构分量的加权系数优势主要如下：(1)元素在相同的变化趋势下，IPE可以更好地反映时间序列中元素幅值信息的差异性。选择三个重构分量，每个重构都分量包含三个元素，它们分别为Y1＝{y11,y12,y13}、Y2＝{y21,y22,y23}和Y3＝{y31,y32,y33}，每个重构分量中元素幅值关系如图2(a)所示。由图可知，三个重构分量中元素的变化趋势相同，但元素幅值差异较大，在计算PE时，三个重构分量的排列模式均为{1,3,2}(即排列模式为{1,3,2}的序列个数记为3)，忽略了元素间幅值的差异程度，损失了包含在幅值中的信息。而在计算IPE时，虽然三个重构分量的排列模式仍然是{1,3,2}，但以其重构分量的平均偏差作为加权系数来记录该排列模式的个数，以分量1为例，其加权系数为而三个重构分量的加权系数不一样，通过加权系数的差异性可以很好地反映元素在相同变化趋势下幅值的差异性。(2)IPE可以更好地反映时间序列中元素幅值等价的差异性。根据PE原理可知，当重构分量中有二个幅值相等的元素时，两者之间的排列顺序按照元素的排列先后进行排序。例如，当yi＝yi+τ，由于i＜i+τ，故设定yi≤yi+τ，而这种排列准则在PE方法会丢失时间序列变化趋势的信息。选择三个重构分量，每个重构分量包含三个元素，分别为Y1＝{y11,y12,y13}、Y2＝{y21,y22,y23}和Y3＝{y31,y32,y33}，每个重构分量中元素幅值的关系如图2(b)所示。由图可知，三个重构分量中元素的变化趋势不同，在计算PE时，三个重构分量的排列模式均为{1,2,3}。但在计算IPE时，虽然三个重构分量的排列模式仍为{1,2,3}，但各自的加权系数差异较大，以加权系数来统计该排列模式下的序列个数可以避免由于重构分量中二个或者多个元素幅值相等造成时间序列变化趋势信息的丢失的问题，加权系数的差异性可以很好地反映时间序列中元素幅值等价的差异性。本专利技术的有益效果是：1、本专利技术改进排列熵解决了排列熵没有考虑信号幅值的问题，相比排列熵，改进排列熵可以更好地检测信号突变，衡量信号的复杂度，而且还可以有效地抵抗噪声的干扰。2、本专利技术改进排列熵可以准确地区别不同状态的单向阀信号，甚至不需要对信号进行预处理，就可以有效地提取单向阀的故障特征，提高了算法的效率，为强噪声背景下的机械故障诊断提供一种新思路。3、PE算法克服了PE的不足，相比于PE，IPE可以更好地本文档来自技高网...

【技术保护点】
1.一种基于改进排列熵的单向阀故障特征提取方法，其特征在于：/nStep1：利用加速度传感器在单向阀正常、卡阀故障、磨损故障状态下进行采样，得到单向阀各状态下的振动数据；/nStep2：通过给排列熵的重构分量增添一个加权系数来改进排列熵，提出改进排列熵算法；/nStep3：利用改进排列熵直接提取强噪声背景下的单向阀故障特征，实现单向阀的故障诊断。/n

【技术特征摘要】
1.一种基于改进排列熵的单向阀故障特征提取方法，其特征在于：
Step1：利用加速度传感器在单向阀正常、卡阀故障、磨损故障状态下进行采样，得到单向阀各状态下的振动数据；
Step2：通过给排列熵的重构分量增添一个加权系数来改进排列熵，提出改进排列熵算法；
Step3：利用改进排列熵直接提取强噪声背景下的单向阀故障特征，实现单向阀的故障诊断。


2.根据权利要求1所述的基于改进排列熵的单向阀故障特征提取方法，其特征在于，所述Step2中排列熵算法具体步骤为：
Step2.1：将长度为T的离散时间序列进行相空间重构，得到重构矩阵Yim,τ＝{yi,yi+τ,…,yi+(m-1)τ}，其中m为嵌入维数，τ为时间延迟，i＝1,2,…,T-(m-1)τ；
Step2.2：原时间序列重构后共有T-(m-1)τ行，将每行的重构分量Yim,τ按照升序排列，如式(1)所示：

<...

【专利技术属性】
技术研发人员：黄国勇，潘震，吴建德，冯早，范玉刚，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53