基于随机共振与核主元分析相结合的机械振动信号特征提取方法
【专利摘要】本发明涉及一种基于随机共振与核主元分析相结合的机械振动信号特征提取方法，首先应用随机共振方法对传感器测量的转子振动原始信号做预处理，增强信号的周期性，提高振动信号的信噪比；然后针对预处理后的输出信号提取时域特征集；再对所提取的时域特征集采用核主元分析方法进行非线性特征变换，从而得到最终所需的特征集。将该方法应用于发动机转子的模拟故障的特征提取与故障诊断中，结果表明该方法提取的特征集线性无关、维数更低、可分性更强，能有效提升故障诊断的精度和效率，便于在工程实践中应用。
【专利说明】基于随机共振与核主元分析相结合的机械振动信号特征提取方法
【技术领域】
[0001]本发明属机械设备故障诊断领域，具体涉及一种基于随机共振与核主元分析相结合的机械振动信号特征提取方法。
【背景技术】
[0002]在航空发动机转子一类的机械设备发生结构故障时，利用振动信号进行诊断是一种有效的手段。但受到环境和工作状态等因素的影响，转子往往承受较为复杂的载荷，各旋转部件产生的振动也存在较为严重的耦合现象，另外由于传感器自身工作条件的限制，获取的振动信号往往存在一定的噪声。在某些条件下，例如故障早期，过强的噪声往往会影响特征的提取和故障甄别。因此对振动信号进行有效的预处理，提高信噪比，增强信号的故障特征是转子振动故障诊断领域研究的热点。
[0003]常用的振动信号去噪方法有小波变换、盲信号分离、EMD分解等方法，但上述方法的基本原理都是从信号中去除噪声成分，而由于实际的振动信号噪声来源比较复杂，噪声的频率分布并不确定，应用上述方法会在一定程度上造成有用信息的丢失。
[0004]随机共振是信号处理领域的一种新方法，不同于以往方法单纯通过消除和抑制噪声来提高信噪比。随机共振是利用噪声来增强信号中包含的周期信号，达到提高输出信噪比的目的，从而避免了在信号和噪声频率接近或是信号过于微弱的条件下，应用滤波算法会将有用信号滤除的情况发生。
[0005]特征提取是模式识别的基本问题之一，提取有效的特征是解决模式识别问题的关键。而航空发动机故障诊断过程本质上也是一个模式识别的过程，构造出优质的诊断特征也是提高其诊断效率及其准确性的关键。因此在进行故障诊断之前，必须通过一定的方法进行特征提取，从不同角度获取最敏感、最有用的特征信息，例如。可从时域统计特性的角度出发，计算提取其常用的时域统计特征。但所得时域特征集存在形式较简单，不能有效反映微弱的、非线性的故障信息，并往往存在较强的线性相关性等不足。
【发明内容】
[0006]要解决的技术问题
[0007]为了避免现有技术的不足之处，本发明提出一种基于随机共振与核主元分析相结合的机械振动信号特征提取方法，通过随机共振与核主元分析相结合的技术，实现振动信号的预处理和非线性特征提取。用于转子结构的故障特征提取与诊断，所得到的特征集线性无关、维数更低、可分性更好，提高了转子结构故障诊断的精度与效率。
[0008]技术方案
[0009]一种基于随机共振与核主元分析相结合的机械振动信号特征提取方法，其特征在于步骤如下:
[0010]步骤1、采用变尺度随机共振方法对原始振动信号做预处理，得到预处理后的振动信号x(n):
[0011]步骤2、针对预处理后的输出信号x(n)提取时域特征集，得到14个时域统计特征，包括有量纲指标8个=Pt1-Pt8,无量纲指标6个:pt9-pt14 ;提取公式为:
[0012]
【权利要求】
1.一种基于随机共振与核主元分析相结合的机械振动信号特征提取方法，其特征在于步骤如下: 步骤1、采用变尺度随机共振方法对原始振动信号做预处理，得到预处理后的振动信号X (η): 步骤2、针对预处理后的输出信号χ(η)提取时域特征集，得到14个时域统计特征，包括有量纲指标8个-Pt1-Pt8,无量纲指标6个:pt9-pt14 ;提取公式为:
为随机共振预处理后的振动信号，η为N个数据点中的第η个数据点； 步骤3、对所提取的时域特征集进行核主元分析的特征变换，从而得到最终所需的特征集。
2.根据权利要求1所述基于随机共振与核主元分析相结合的机械振动信号特征提取方法，其特征在于:所述变尺度随机共振方法对原始振动信号做预处理是:根据频率压缩比R计算二次采样频率值f sr，得到迭代计算步长h = 1/f sr，将信号输入双稳系统，以步长h迭代得到系统输出值为随机共振预处理后的振动信号X (η)。
3.根据权利要求1所述基于随机共振与核主元分析相结合的机械振动信号特征提取方法，其特征在于:所述对时域特征集进行核主元分析的特征变换是:将时域特征集作为原始输入空间Xk，k= 1,2,…，M，M为样本个数，选定非线性映射函数Φ:# — ?^为输入的特征维数，通过非线性映射函数Φ将原始输入空间Xk映射到高维特征空间F:Φ (Xk)，k=1,2,…，M中，然后在该特征空间中进行线性主元分析，得到高维特征空间的线性主元，该线性主元为原始输入空间的非线性主元，为最终提取所得的非线性特征。
【文档编号】G06F19/00GK104200065SQ201410392086
【公开日】2014年12月10日 申请日期:2014年8月11日 优先权日:2014年8月11日
【发明者】胡金海, 谢寿生, 彭靖波, 田少男, 田虎森, 张驭 申请人:中国人民解放军空军工程大学