基于小波分析的液压缸故障状态分类识别方法与流程

本发明属于复杂信号分析与处理技术领域，特别是提供了一种基于小波分析的液压缸故障状态分类识别方法。面向AGC液压缸声发射信号故障识别与诊断的分析方法,适用于时变非平稳数字信号的特征分析与分类，可应用于机械装备功能精度与故障诊断、脑电与肌电信号的分析处理等。

背景技术：

AGC液压缸作为液压传动系统中的执行元件，在给人们带来诸多方便的同时，也存在着液压缸内泄露、振动和噪声以及维修困难等缺点,严重影响着工艺过程及产品质量的管控。如今，随着信息技术和检测技术的飞速发展以及机械设备的大型化、高速化和集成化，对液压系统的工作环境要求越来越严格。对液压缸故障进行有效识别与诊断，已成为液压传动技术领域研究的一项重要课题。

目前，AGC液压缸的故障诊断技术主要有傅立叶分析法、支持向量机以及BP神经网络等。由于BP神经网络具有自适应性、自组织性和很强的学习能力，目前被广泛应用于故障分类。但由于BP算法存在局部最小值问题，特别是网络结构的隐层和隐节点数目的选取尚无理论上的指导，这在很大程度上影响了应用人工神经网络方法进行AGC液压缸故障诊断与识别的有效性。随着通信技术与计算机技术的发展和对信号分析精度要求的不断提高，提出一种故障分类新方法具有重要意义和实际应用价值。

本发明得到国家自然科学基金青年科学基金项目(61401104)的资助。

技术实现要素：

本发明的目的在于提供一种基于小波分析的液压缸故障状态分类识别方法，内容是提供一种基于小波分析的AGC液压缸故障诊断与识别方法。针对AGC液压缸故障分析与处理问题，基于小波分析方法，提出AGC液压缸故障诊断与识别分析方法。

本发明以AGC液压缸正常和振动状态下采集的声发射信号为数据来源，根据小波分析的时频分析特性，利用Mallat小波分解算法进行小波分解并求取各层小波系数能量值，通过不同状态下各层小波系数能量值的差异实现AGC液压缸的故障诊断与识别。具体方案如下：

步骤1、将采集到的声发射信号进行去噪处理，去除由于环境干扰带来的噪音数据。根据声发射信号的特点,采用sym4小波基函数对采集到的声发射信号进行小波默认阈值去噪处理；

步骤2、将去噪后的信号进行傅里叶变换，得到信号频率范围5×10⁵HZ；

步骤3、利用sym4小波基函数，通过Mallat算法分别对去噪后的信号进行若干层小波分解，将所分解的总层数表示为n，然后采用matlab中的wavedec函数求解各频带的小波系数，其中低频带小波系数表示为i为分解的层数且i＝1,2,3,…n，第i层高频带小波系数表示为

步骤4、根据如下模型可求出步骤1中所获得的去噪后信号的总能量E为：

步骤5、计算小波分解后输出信号各频带能量值占总能量百分比以做后续处理

第i层高频带小波系数能量值为：

低频带小波系数能量值为：

第i层高频带小波系数能量值占总能量的百分比为：

低频带小波系数能量值占总能量的百分比为：

步骤6、分别画出多组正常和振动状态下声发射信号小波系数能量图，并根据能量图差异性判断信号的状态。

本发明的优点：

基于小波分析的AGC液压缸故障诊断与识别方法，提出一种故障诊断方法，大幅度提高了AGC液压缸故障声发射信号分析与诊断识别的快速性和准确性。

附图说明

图1正常状态下原始信号和去噪信号的对比图。

图2振动状态下原始信号和去噪信号的对比图。

图3正常和振动状态下去噪信号的频谱图。

图4正常状态下各频带小波系数单支重构信号图。

图5振动状态下各频带小波系数单支重构信号图。

图6正常信号d1层系数能量值与振动信号d1层系数能量值对比图。

图7正常信号d4层系数能量值与振动信号d4层系数能量值对比图。

具体实施方式

下面将本发明方法应用于AGC液压缸故障诊断与识别，说明其应用方法与有效性。以AGC液压缸在正常和振动状态下采集的声发射信号作为原始信号，详细说明本发明的实施方法，因为该类声发射信号具有瞬态非平稳特性，属于典型的瞬态非平稳信号，符合本发明小波分析的信号处理特征。

步骤1、采集AGC液压缸在正常和振动状态下的声发射信号，并进行默认阈值小波去噪处理，去除由于环境干扰带来的噪音数据。正常和振动状态下原始信号和去噪信号的对比图如图1、2所示；

步骤2、将去噪后的信号进行傅里叶变换，得到信号的频谱图如图3所示，信号频率范围为5×10⁵HZ；

步骤3、利用sym4小波基函数，分别对去噪后的正常和振动状态下的声发射信号进行4级小波Mallat快速分解，采用matlab中的wavedec函数获得各频带的小波系数。从而得到各频带小波系数单支重构信号,即高频信号d1、d2、d3、d4和低频信号a4。其中小波分解频带范围包括：0×10⁵-0.3125×10⁵，0.3125×10⁵-0.625×10⁵，0.625×10⁵-1.25×10⁵，1.25×10⁵-2.5×10⁵，2.5×10⁵-5×10⁵。各频带小波系数单支重构信号图如图4、图5所示；

步骤4、根据公式(1)-(5)，分别求取步骤3中所获的各频带小波系数能量值占总能量的百分比，表1为根据部分正常和振动状态下原始数据所求的能量比。

其中，为低频带小波系数能量值占总能量的百分比,n＝4,为第i层高频带小波系数能量值占总能量的百分比,i＝1,2,3,4；

步骤5、分别画出21组正常和振动状态下声发射信号d1和d4层的小波系数能量图，图6和图7中总体位于上方的曲线图代表振动信号d1和d4层的能量值，这与振动信号存在更多的高频分量相一致。