一种在随机冲击干扰下的故障诊断方法及系统技术方案

本发明专利技术公开了一种在随机冲击干扰下的故障诊断方法及系统，包括：利用振动传感器采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集；利用正常振动信号集对构建的自编码孤立森林模型进行无监督训练；将异常振动信号集输入训练完毕的自编码孤立森林模型中，当从自编码孤立森林模型检测出无效异常信号，返回无效异常信号的索引位置，并利用索引位置附近的常规振动信号替换掉无效异常信号；将消除无效异常信号的异常振动信号集进行包络分析，根据包络分析结果判断旋转机械设备是否存在故障及其故障类别。否存在故障及其故障类别。否存在故障及其故障类别。

【技术实现步骤摘要】
一种在随机冲击干扰下的故障诊断方法及系统


[0001]本申请涉及机械故障诊断领域，尤其涉及一种在随机冲击干扰下的故障诊断方法及系统。

技术介绍

[0002]轴承和齿轮是许多旋转机械的重要部件，重要部件的故障可能引发整个机械系统的严重问题。因此，研究旋转机械故障并及时发现重要部件的损坏部分极为重要。
[0003]在现有技术中，包络分析法是广泛应用于机械故障诊断的方法，该方法通过观察故障频率中的基础故障频率(一次谐波)和其他高次谐波来确定故障类型。
[0004]但是，在实际应用中，机械故障中的随机冲击会引起数据的瞬时和无规律的变化，这种变化会掩盖或模糊正常产生的故障特征。例如，一个强烈的随机冲击会引起数据的瞬时剧烈变化，从而掩盖数据特征；而强度很小但频率很高的随机冲击，则会引起数据的持续、微妙的变化，会使故障的特征变得模糊不清。此外，由于随机冲击的发生并不受控制，无法事先预测其发生时间、发生地点以及发生的强度和持续性。因此，随机冲击会对故障诊断带来显著的干扰和挑战，需要开发更有效的方法来检测和排除随机冲击的影响，从而提高故障诊断的准确性和可靠性。

技术实现思路

[0005]本专利技术提供了一种在随机冲击干扰下的故障诊断方法及系统，利用自编码孤立森林技术应对机械故障中的随机冲击干扰，从而提高机械故障特征提取与故障类型辨识的鲁棒性和准确性，解决或者部分解决随机冲击对故障诊断产生的干扰，在机械故障诊断领域具有广泛的适用性。
[0006]为解决上述技术问题，本专利技术的第一方面，公开了一种在随机冲击干扰下的故障诊断方法，所述方法包括：
[0007]利用振动传感器采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集；所述正常振动信号集中包含无故障的若干常规振动信号和由正常故障产生的若干有效异常信号；
[0008]利用所述正常振动信号集对构建的自编码孤立森林模型进行无监督训练，以使所述自编码孤立森林模型学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征，避免对异常振动信号的误检；
[0009]将所述异常振动信号集输入训练完毕的所述自编码孤立森林模型中；其中，所述自编码孤立森林模型包含自编码器和孤立森林；所述自编码器作为所述孤立森林的分割器，将所述异常振动信号集中的若干无效异常信号分割为输入子集，以使所述孤立森林以所述输入子集为划分依据划分孤立树，快速检测出所述异常振动信号集中的若干无效异常信号；
[0010]当从所述自编码孤立森林模型检测出所述无效异常信号，返回所述无效异常信号
的索引位置，并利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号，用以消除所述无效异常信号对所述异常振动信号的故障诊断影响；
[0011]将消除无效异常信号的所述异常振动信号集进行包络分析，根据包络分析结果判断所述旋转机械设备是否存在故障及其故障类别。
[0012]本专利技术的第二方面，公开了一种在随机冲击干扰下的故障诊断系统，包括：
[0013]振动传感器，用于采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集；所述正常振动信号集中包含无故障的若干常规振动信号和由正常故障产生的若干有效异常信号；
[0014]模型处理装置，用于：
[0015]利用所述正常振动信号集对构建的自编码孤立森林模型进行无监督训练，以使所述自编码孤立森林模型学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征，避免对异常振动信号的误检；
[0016]将所述异常振动信号集输入训练完毕的所述自编码孤立森林模型中；其中，所述自编码孤立森林模型包含自编码器和孤立森林；所述自编码器作为所述孤立森林的分割器，将所述异常振动信号集中的若干无效异常信号分割为输入子集，以使所述孤立森林以所述输入子集为划分依据划分孤立树，快速检测出所述异常振动信号集中的若干无效异常信号；
[0017]当从所述自编码孤立森林模型检测出所述无效异常信号，返回所述无效异常信号的索引位置，并利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号，用以消除所述无效异常信号对所述异常振动信号的故障诊断影响；
[0018]包络分析装置，用于将消除无效异常信号的所述异常振动信号集进行包络分析，根据包络分析结果判断所述旋转机械设备是否存在故障及其故障类别。
[0019]通过本专利技术的一个或者多个技术方案，本专利技术具有以下有益效果或者优点：
[0020]本专利技术公开的方案，采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集。利用正常振动信号集对构建的自编码孤立森林模型进行无监督训练，以其学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征。再利用训练得到的自编码孤立森林模型检测异常振动信号集，使其能够快速检测出异常振动信号集中的无效异常信号。在检测到无效异常信号之后，利用所述常规振动信号对其进行替换，对旋转机械的随机冲击干扰进行有效削弱，再结合包络分析，即能够在包络谱中找到旋转机械在产生的有效异常信号所在的频带，实现故障识别。由此可见，本专利技术方案综合考虑了机械有效异常信号集的非平稳性和瞬时冲击特性，针对性的采用自编码孤立森林技术对机械振动信号集中的随机冲击干扰进行有效削弱，再结合包络分析进行故障识别，从而更准确地在包络谱中找到故障特征信号集所在的频带，实现故障的精准识别。
[0021]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0022]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
[0023]在附图中：
[0024]图1示出了本专利技术的随机冲击干扰下的故障诊断方法的流程示意图；
[0025]图2A示出了本专利技术的自编码孤立森林模型的结构示意图；
[0026]图2B示出了本专利技术的孤立森林将自编码器作为分割器划分孤立树的示例图；
[0027]图3A
‑
图3D分别示出了轴承故障仿真信号的原始时域图、加入噪声后的时域图、加入噪声后的频域图和加入噪声后的包络谱示意图；
[0028]图4A
‑
图4C分别示出了在轴承故障仿真信号中添加无效异常信号后的时域图、频域图和包络谱示意图；
[0029]图5A
‑
图5C分别示出了利用本专利技术方案消除在轴承故障仿真信号中添加的无效异常信号后的时域图、频域图和包络谱示意图；
[0030]图6A
‑
图6D分别示出了西储轴承故障信号的原始时域图、加入噪声后的时域图、加入噪声后的频域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在随机冲击干扰下的故障诊断方法，其特征在于，所述方法包括：利用振动传感器采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集；所述正常振动信号集中包含无故障的若干常规振动信号和由正常故障产生的若干有效异常信号；利用所述正常振动信号集对构建的自编码孤立森林模型进行无监督训练，以使所述自编码孤立森林模型学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征，避免对异常振动信号的误检；将所述异常振动信号集输入训练完毕的所述自编码孤立森林模型中；其中，所述自编码孤立森林模型包含自编码器和孤立森林；所述自编码器作为所述孤立森林的分割器，将所述异常振动信号集中的若干无效异常信号分割为输入子集，以使所述孤立森林以所述输入子集为划分依据划分孤立树，快速检测出所述异常振动信号集中的若干无效异常信号；当从所述自编码孤立森林模型检测出所述无效异常信号，返回所述无效异常信号的索引位置，并利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号，用以消除所述无效异常信号对所述异常振动信号的故障诊断影响；将消除无效异常信号后的所述异常振动信号集进行包络分析，根据包络分析结果判断所述旋转机械设备是否存在故障及其故障类别。2.如权利要求1所述的方法，其特征在于，所述利用振动传感器采集同一旋转机械在未添加随机冲击下产生的正常振动信号集和在随机冲击干扰下产生的异常振动信号集，具体包括：利用振动传感器监测同一旋转机械在未添加随机冲击以及添加随机激励的振动，并利用滑动窗将两种振动信号各自分解为所述正常振动信号集和所述异常振动信号集；或者利用所述振动传感器监测同一旋转机械在未添加随机冲击的振动，并利用所述滑动窗将所述振动分解为所述正常振动信号集；在所述正常振动信号集中加入所述无效异常信号，得到所述异常振动信号集。3.如权利要求1所述的方法，其特征在于，所述自编码器为自适应稀疏卷积自编码器。4.如权利要求1或3所述的方法，其特征在于，所述自编码孤立森林模型包含:所述自编码器和孤立森林；其中，所述自编码器分为编码器和解码器；将所述异常振动信号集中的每个异常振动信号输入引入了稀疏正则化项的编码器编码为低维表示；将所述低维表示利用所述解码器重构为和所述每个异常振动信号相似的重构信号，再利用损失函数计算所述重构信号的重构误差，使所述自编码器在得到最小化重构误差的同时保持稀疏性；若所述重构误差在阈值范围之外，表示对应的异常振动信号为所述无效异常信号；若所述重构误差在阈值范围之内，表示对应的异常振动信号为是所述正常振动信号；将所述异常振动信号集经过所述自编码器得到的所述若干无效异常信号作为第一类输入子集，将所述异常振动信号集经过所述自编码器得到的常规振动信号和有效异常信号归为第二类输入子集输入所述孤立森林，以使所述孤立森林以两类输入子集为划分依据划分孤立树，快速检测出所述若干无效异常信号。5.如权利要求4所述的方法，其特征在于，所述编码器包括若干卷积层，每个卷积层后
面引入一丢弃层、批归一化层BN层；其中，所述若干卷积层用于...

【专利技术属性】
技术研发人员：廖志强，王鑫，宋雪玮，贾宝柱，孔德峰，李笑宇，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：