一种机械复合故障的诊断方法
【专利摘要】本发明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】一种机械复合故障的诊断方法
【技术领域】
[0001] 本发明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。
【背景技术】
[0002] 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。
[0003] 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。
【发明内容】
[0004] 为了解决上述技术问题，本发明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。
[0005] 本发明解决上述技术问题的技术方案包括以下步骤：
[0006] (1)应用EMD将复合故障信号分解为若干个IMF分量；
[0007] (2)提取每个MF分量的特征量，建立故障样本数据网络模型；
[0008] (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；
[0009] (4)合并所得每个社团与单一故障相对应；
[0010] (5)对合并的信号进行分析，实现复合故障特征分离与诊断。
[0011] 本发明的技术效果是：本发明应用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】
[0012] 图1是本发明的流程图。
[0013] 图2是本发明中复合故障振动信号和包络谱示意图。
[0014] 图3是本发明中网络社团聚类系数示意图。
[0015] 图4是本发明中转子不平衡和内圈复合故障分离的包络频谱图。
[0016] 图5是本发明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】
[0017] 下面结合附图和实施例对本发明作进一步的详细说明。
[0018] 参见图1，图1为本发明的流程图。本发明的具体实施步骤如下：
[0019] (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。
[0020] (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。
[0021] 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)。
[0022] 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：
[0023] atj = exp (-〇. 1*(1^·) (1)
[0024]
【权利要求】
1. 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，au = 0,由于两个节点之间彼此的相似度相等，即au = a#,所以A 是一个对称矩阵，则η个节点的网络的连接矩阵为：
至此，得到故障数据网络模型G (X，Α)。
3. 根据权利要求1所述的机械复合故障的诊断方法，所述复合故障信号经EMD分解的 IMF分量视为网络中的社团，进行冗余社团合并，根据任意两个社团合并计算相应的模块性 合并指标变化，即每次合并操作之前可以计算出：
直到所有的都小于零为止，冗余社团合并结束。
4. 根据权利要求3所述的机械复合故障的诊断方法，所述冗余社团合并是将合并的 IMF分量重新组合进行包络谱分析，将没有分离的复合故障信号进行包络谱分析作对比。
【文档编号】G06F19/00GK104156623SQ201410427453
【公开日】2014年11月19日 申请日期:2014年8月27日 优先权日:2014年8月27日
【发明者】蒋玲莉, 潘阳, 陈安华, 李学军, 伍济钢, 宾光富, 王广斌 申请人:湖南科技大学