【技術實現步驟摘要】
本專利技術屬于信號處理領域，具體涉及基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法。
技術介紹
1、對機械設備中的關鍵部件(如軸承，齒輪等)進行故障診斷，能夠預測機械故障并延長機械使用壽命。通常由方向傳感器采集機械部件全生命周期的振動信號，這種信號呈現為連續的時間序列格式。一方面，后續故障診斷需要確定故障發生點，劃分出故障信號，然而，振動信號雜亂且擾動較多，使得故障發生點難以識別。另一方面，故障信號多變、時序長度過大，會嚴重影響后期信號特征提取等技術的使用效率，需合理地分割故障信號。因此，本專利技術提出基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，以解決機械部件故障發生點難以識別和信號分割問題。動態規劃拐點檢測算法(dynamic?programming?forchange?points?detection，dynp)被用于檢測信號拐點，然而在處理復雜的模式變化時，dynp算法存在偏差，因此，本專利技術提出多統計量動態規劃拐點檢測算法(ms-dynp)，以精準的識別故障發生點。此外，貪婪高斯分割(greedy?gaussian?segmentation,ggs)依照信號分布分割信號，但ggs在每次分割時需計算多變量高斯分布的參數并評估擬合效果，這導致ggs在處理大規模信號時性能受限，因此，本專利技術提出自適應窗口貪婪高斯分割(aw-ggs)算法，以降低原始ggs算法的計算復雜度，實現高效的信號分割。本專利技術能夠精準高效處理信號，進一步的為機械故障診斷提供理論支持與決策基礎。
1、本專利技術的目的是提供基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，有助于提高故障數據集的質量，為機械故障診斷提供理論依據與技術指導。
2、本專利技術所采用的技術方案是，基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，其具體步驟如下：
3、步驟1、選定需要進行故障診斷的機械部件(如軸承、齒輪等)，由一個或多個方向傳感器(如水平傳感器，垂直傳感器)記錄選定部件的全生命周期振動信號；
4、步驟2、計算步驟1中每個傳感器采集的振動信號的多元統計量序列，以最小化統計量序列誤差為目標，計算統計量序列的拐點，并判定選定部件的故障發生點；
5、步驟3、根據步驟2判定的故障發生點，劃分出選定部件的故障信號。根據信號波動情況，設置自適應窗口，初步分割故障信號，得到β個初步分割窗口；
6、步驟4、依據信號分布，以最大化目標函數ξr為準則，對步驟3得到的初步分割窗口進行再分割，得到θ個最終分割窗口，完成對選定部件振動信號的處理，包括檢測故障發生點與分割故障信號。
7、本專利技術的特點還在于，
8、步驟1具體如下：
9、選定需要進行故障診斷的機械部件(如軸承、齒輪等)，將一個或多個方向傳感器(如水平、垂直方向)固定在選定部件上，記傳感器數量為m，固定采樣時長為t，傳感器按采樣時長分次采集選定部件的全生命周期振動信號，設每次采集的信號量為p，采樣次數為q次，則振動信號的總長度n＝pq。振動信號的矩陣表示為：
10、
11、其中，xi∈rm，xji(j＝1,2,...,m,i＝1,2,...,n)表示第j個傳感器在時刻i的采樣值。
12、步驟2具體如下：
13、步驟2.1、計算步驟1采集的振動信號的多元統計量，包括方差均方根峰峰值以及方根幅值其中，表示第j個傳感器第t次采樣到的信號，各統計量計算公式如下：
14、
15、步驟2.2、由步驟2.1得到振動信號的多元統計量，第j個傳感器對應振動信號多元統計量序列的矩陣表達為：
16、
17、其中，表示方差序列，表示均方根序列，表示峰峰值序列，表示方根幅值序列；
18、步驟2.3、以最小化均方誤差為目標，計算的拐點的拐點的拐點的拐點的計算公式分別如下：
19、
20、結合判定第j個傳感器在進行第采樣時選定部件發生故障，其中，表示第j個傳感器多元統計量序列的集合；
21、步驟2.4、為了反映早期的故障跡象，預防潛在的重大損壞，選定部件的故障發生點d＝(bkp-1)p+1，其中，
22、步驟3具體如下：
23、步驟3.1、劃分故障信號為故障發生點d后(包括d)的信號，故障信號的矩陣表示為：
24、
25、其中，yv∈rm，yjv(j＝1,2,..,m,v＝1,2,...,u)表示第j個傳感器采集的第v個故障信號值，u＝n-(d-1)p，表示故障信號的長度；
26、步驟3.2、以故障信號的平均標準差σ作為評判信號波動情況的閾值，σ的計算公式如下：
27、
28、設計自適應窗口分割故障數據，自適應窗口包含初始窗口w0，大窗口w1以及小窗口w2，w2＜w0＜w1，其中，w0用于評估待分割信號的波動大小，w1用于捕捉更多的信號特征，w2用于捕獲信號的細致特征；
29、步驟3.3、由步驟2.4得到選定部件的故障發生點，從故障發生點開始分割故障信號：
30、首先，設置首個窗口的窗口值α1＝w0，計算的標準差平均值比較σ1與σ的大小，若σ1＜σ，更新α1＝w1，反之，α1＝w2；
31、然后，令下個窗口的窗口值α2＝w0，計算的標準差平均值并與σ進行比較，以更新α2；
32、依此類推，直至遍歷完整個故障信號。
33、將故障信號劃分為β段大小不一的初步分割窗口記初步分割點集合為α＝{α1,..,αr,....αβ-1}。
34、步驟4具體如下：
35、步驟4.1、由步驟3.3得到β段初步分割窗口，第r個初步分割窗口的矩陣表示為：
36、
37、其中，表示第r個初步分割窗口中，第j個傳感器采集的第e個故障信號；
38、步驟4.2、可被k個分割點分割為k+1段，設分割點集合令代表中的第fr個分段，中的每一個時間戳都服從高斯分布通過構建目標函數ξr，優化分割點ξr的計算公式為：
39、
40、其中，cr＝-(mαr/2)(log(2π)+1)，表示一個常量，表示段i的經驗協方差，δ為正則化參數且δ≥0，并且有：
41、步驟4.3、通過最大化目標函數ξr，對窗口進行再分割。
42、首先，初始化遍歷中的每一個采樣點其中表示窗口的采樣開始點，表示窗口的采樣結束點，根據公式(15)選取使得最大的采樣點令將加入集合λr，更新
43、然后，遍歷區間與的每一個采樣點計算與選取使得最大的采樣點使得最大的采樣點若令反之，令將加入集合λr，更新
44、最后，當時，完成對的再分割。
45、由上述過程得到θ個最終分割窗口，θ＝(k+1)*β，記步驟4.3得到的分割點集合為
46、結合步驟3.3，記所有分本文檔來自技高網...
【技術保護點】
1.基于MS-Dynp拐點檢測與AW-GGS分割的信號處理方法，其特征在于，具體按照以下步驟實施：
2.根據權利要求1所述的基于MS-Dynp拐點檢測與AW-GGS分割的信號處理方法，其特征在于，所述步驟1具體如下：
3.根據權利要求2所述的基于MS-Dynp拐點檢測與AW-GGS分割的信號處理方法，其特征在于，所述步驟2具體如下：
4.根據權利要求3所述的基于MS-Dynp拐點檢測與AW-GGS分割的信號處理方法，其特征在于，所述步驟3具體如下：
5.根據權利要求4所述的基于MS-Dynp拐點檢測與AW-GGS分割的信號處理方法，其特征在于，所述步驟4具體如下：
6.根據權利要求5所述的基于MS-Dynp拐點檢測與AW-GGS信號分割的信號處理方法，其特征在于，所述步驟4.3具體按照以下步驟實施：
【技術特征摘要】
1.基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，其特征在于，具體按照以下步驟實施：
2.根據權利要求1所述的基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，其特征在于，所述步驟1具體如下：
3.根據權利要求2所述的基于ms-dynp拐點檢測與aw-ggs分割的信號處理方法，其特征在于，所述步驟2具體如下：
4.根據權利...
【專利技術屬性】
技術研發人員：上官安琪，李向馨，費蓉，李愛民，劉雅君，邱原，劉佳欣，李仟禧，王浩龍，
申請(專利權)人：西安理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。