多通道信号自适应分解方法

技术领域

本发明涉及故障诊断技术领域，尤其涉及一种多通道信号自适应分解方法。

背景技术

随着科技的高速发展，机械设备已经被广泛应用到了各行各业中。旋转机械设备作为机械设备的典型代表大大提高了工业的生产效率，给人类带来极大的生活便利。但是，由于长时间运行及运行环境恶劣，旋转零件及其关键部件很容易发生故障，轻则导致整个旋转机械设备的停机，重则导致严重的经济损失和灾难性的人员伤亡事故。通过故障诊断方法尽早识别机械早期故障，避免因故障导致灾难性事故的发生，为设备的安全运行提供技术保障，但现有技术中故障诊断时容易受故障诊断方法的影响而给诊断带来误差甚至漏诊使得故障诊断精度低。因此，故障诊断方法的研究一直以来都是科学研究和工业界的技术重点，也是影响设备故障健康管理的主要因素之一。

发明内容

本发明要解决的技术问题是：为了解决现有技术中故障诊断时容易受诊断方法的影响而给诊断带来误差使得故障诊断精度低的技术问题，本发明提供一种多通道信号自适应分解方法，故障诊断精度高，为旋转机械设备状态监测和剩余寿命预测提供基础支撑，避免对设备诊断时漏诊和误诊，提高了设备运转的安全性。

本发明解决其技术问题所采用的技术方案是：一种多通道信号自适应分解方法，包括以下步骤：

步骤S1：获取多通道的振动加速度信号；

在待诊断设备上设置多个振动加速度传感器，获取采集时长为t

步骤S2：根据所述多通道的振动加速度信号构建为循环三阶张量

步骤S3：对所述三阶张量

步骤S4：重复所述步骤S2和所述步骤S3，获取多次迭代的多通道分量信号；

步骤S5，根据所述分量信号判断所述设备是否发生故障；

其中，在所述步骤S2中包括：

S21：计算所述多通道的振动加速度信号a

S22：根据所述最大谱峰频率f

S23：根据所述最大谱峰频率f

S24：根据所述多通道振动加速度信号a

其中，A(:,:,1)表示三阶张量A的第1个正面切片以及A(:,:,s)表示三阶张量A的第s个正面切片；I

进一步，具体地，在步骤S3中包括：

步骤S31：对所述三阶张量

A＝U

步骤S32：对所述左奇异张量U的特征向量进行傅里叶变换，获取在所述最大频带范围的特征组ii＝[k,l,…p]，其中k，l，p表示的是U中第几列特征向量；

步骤S33：在所述核心张量S中获取所述特征组对应的奇异值，对所述特征组以及所述三阶张量进行重构：

步骤S34：采用对角平均法将重构的所述三阶张量

进一步，具体地，在步骤S31中，获取所述左奇异张量U、所述核心张量S和所述右奇异张量V步骤包括：

对所述三阶张量

步骤S32：对所述矩阵U、所述矩阵S和所述矩阵V重建，获取左奇异张量U、核心张量S和右奇异张量V。

进一步，具体地，在所述步骤S5中，获取所述待诊断设备的故障特征频率，对所有所述分量信号进行包络分析，找出与所述待诊断设备的故障特征频率接近的频率值及所述频率值的倍频，判断所述待诊断设备是否存在故障。

进一步，具体地，多通道总数s等于所述振动加速度传感器的数量。

本发明的有益效果是，本发明的一种多通道信号自适应分解方法，融合了待测设备的多通道的振动加速度信号，结合功率谱密度方法确定多通道信号的最大谱峰频率和频带范围，基于最大谱峰频率将多通道的振动加速度信号构建为循环三阶张量

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明最优实施例的工作流程图。

图2是本发明一实施例待诊断设备的振动加速度信号时域波形图。

图3是本发明一实施例第一个通道信号的第6个分量信号的包络谱图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，是本发明最优实施例，一种多通道信号自适应分解方法，包括以下步骤：

步骤S1：获取多通道的振动加速度信号；

在待诊断设备上设置多个振动加速度传感器，获取采集时长为t

在一具体实施例中，采用三个振动加速度传感器，分别安装在待诊断的离心机上，三个振动加速度传感器分别布置在离心机的轴向和水平方向上，采集时长为t

步骤S2：根据多通道的振动加速度信号构建为循环三阶张量

在步骤S2中包括：

S21：计算多通道的振动加速度信号a

S22：根据最大谱峰频率f

S23：根据最大谱峰频率f

S24：根据多通道振动加速度信号a

其中，A(:,:,1)表示三阶张量A的第1个正面切片以及A(:,:,s)表示三阶张量A的第s个正面切片；A

在一具体实施例中，采集的三个通道的加速度信号a

通过功率谱密度方法计算最大谱峰频率，构建三阶张量信号，相对于现有技术信号周期性截断构建的张量，本发明不需要经过经验值就能简单构建成三阶张量信号，构建三阶张量信号速度快且构建的三阶张量信号没有干扰频率，提高了故障诊断的时效性和准确性。

步骤S3：对三阶张量

在步骤S3中包括：

步骤S31：对三阶张量

A＝U

在步骤S31中，获取左奇异张量U、核心张量S和右奇异张量V步骤包括：

步骤S311：对三阶张量

步骤S312：对矩阵U、矩阵S和矩阵V重建，获取左奇异张量U、核心张量S和右奇异张量V；

步骤S313：根据高阶张量第二类乘法计算公式、转置计算公式以及左奇异张量U、核心张量S和右奇异张量V，获取三阶张量A＝U

需要说明的是：假设m阶张量

其中，张量A的维数和张量B的维数相等，即I

获取m阶张量

即，三阶张量A＝U

步骤S32：对左奇异张量U的特征向量进行傅里叶变换，获取在最大频带范围的特征组ii＝[k,l,…p]，其中k，l，p等这些参数表示的是U中第几列特征向量，若第1,3,4列特征向量都属于最大频带范围，则k＝1，l＝3，p＝4；

步骤S33：在核心张量S中获取特征组ii＝[k,l,…p]对应的奇异值，对特征组以及三阶张量A＝U

步骤S34：采用对角平均法将重构的三阶张量

步骤S4：重复步骤S2和步骤S3，获取多次迭代的多通道分量信号和最终的残余信号；在一实施例中，迭代终止条件可以根据残余信号的标准均方差阈值th来进行设定，若残余信号的标准均方差大于阈值th，则继续迭代，即继续运行步骤S2和步骤S3；若残余信号的标准均方差小于阈值th，则迭代终止，输出所有的多通道分量信号。

步骤S5，根据分量信号判断设备是否发生故障；具体的，获取待诊断设备的故障特征频率，对所有分量信号进行包络分析，找出与待诊断设备的故障特征频率接近的频率值及频率值的倍频，判断所述待诊断设备是否存在故障。如图3所示为一具体实施例中第一个通道信号的第6个分量信号的包络谱图，从图中可以找与待诊断设备的故障特征频率接近的频率值及其倍频，与待诊断设备的故障特征频率接近的频率值为f

本发明的一种多通道信号自适应分解方法，融合了待测设备的多通道的振动加速度信号，结合功率谱密度方法确定多通道信号的最大谱峰频率和频带范围，基于最大谱峰频率将多通道的振动加速度信号构建为循环三阶张量

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。