一种基于平面聚类和频域压缩感知重构的机械故障诊断方法
【专利摘要】本发明涉及一种基于平面聚类和频域压缩感知重构的机械故障诊断方法，属机械设备状态监测及故障诊断【技术领域】。首先拾取机械振动的观测信号；把观测信号均值化处理，再构造三角结构、半圆结构元素集合，然后再构造改进的多结构广义闭-开组合形态滤波器，再对观测信号均值化处理结果进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩阵；再构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计源信号，对估计的源信号进行FFT变换，然后对变换后的信号的频域进行分析，最终实现故障诊断。本发明不要求信号充分满足稀疏性，可以充分削弱其他干扰信号对分离的源信号进行故障识别的影响，实现轴承复合故障欠定盲分离。
【专利说明】一种基于平面聚类和频域压缩感知重构的机械故障诊断方 法
【技术领域】
[0001]本发明涉及一种基于平面聚类和频域压缩感知重构的机械故障诊断方法，属于机 械设备状态监测及故障诊断【技术领域】。
【背景技术】
[0002]由于复杂的机械结构和工业现场测试传感器拾取的观测信号往往是故障源信号 和其他噪声信号的混合信号。近年来，能够在几乎没有任何先验知识的情况下，从混合信号 中恢复或估计出源信号的盲信号处理技术为机械故障信号的提取提供了一个有力的解决 手段。然而，传统的SCA算法在应用到机械振动信号处理时往往无法满足现实情况，不能有 效进行机械故障特征的识别与提取；而改进的SCA算法则更适用于实际工业环境。
[0003] 现场直接采集的观测信号存在大量的干扰信号，需要抑制这些干扰噪声信号，以 期准确的提取机械故障信号进行诊断。而形态滤波作为一种非线性滤波技术，可以有效的 提高信号的边缘轮廓、形态特征及抑制背景噪声。经对现有形态滤波技术在机械故障诊断 领域应用相关文献检索发现，传统形态滤波采用单一结构元素对信号进行降噪，而相同尺 寸的结构元素将导致滤波器输出的严重偏倚，因为形态开闭滤波器进行开运算在去除正脉 冲的同时增强了负脉冲噪声，开-闭滤波器使用相同尺寸结构元素闭运算不能滤除增强了 的负脉冲噪声，同理闭-开滤波器也不能滤除全部的正脉冲噪声。
[0004] 并且实际工业现场信号往往存在多种类型噪声信号，降噪的效果会直接影响后期 源信号能否完全估计和分离，所以很有必要采用多尺度多结构元素对信号中的不同类型噪 声信号进行滤波处理。
[0005] 其次，现场测试时传感器个数有限，而机械声源数目众多加之复合故障的存在，造 成很多测试仅仅满足观测信号数目m小于故障源数目η的欠定条件。目前解决欠定问题常 用方法是稀疏分解。
[0006] 此外，现有的SCA算法大多是在源数目已知的情况下通过混合矩阵估计源信号， 然而工业现场背景噪声强、干扰源多，致使在实际测试过程中故障源数目事先并不清楚。以 往大部分SCA算法需信号在时域或者频域满足稀疏性来进行盲分离。
【发明内容】
[0007] 针对以上存在问题，提出了一种基于平面聚类和频域压缩感知重构的机械故障诊 断方法。该方法不要求信号充分满足稀疏性，可以充分削弱其他千扰信号对分离的源信号 进行故障识别的影响，在源数目未知情况下，实现轴承复合故障欠定盲分离。
[0008] 本发明提供了一种基于平面聚类和频域压缩感知重构的机械故障诊断方法，提出 了一种在欠定条件下从机械振动信号中提取转动型机械部件（如轴承、齿轮等）复合故障 的检测方法，可在未知源数目个数且传感器数目小于故障源数目的情况下，利用机械振动 信号进行故障特征提取及诊断。
[0009] 本发明基于平面聚类和频域压缩感知重构的机械故障诊断方法是这样实现的：首 先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振动的观测 信号；把观测信号进行均值化处理，再求出均值化处理后的三角和半圆结构元素的长度及 高度集合；再构造三角结构元素集合和半圆结构元素集合，然后再构造改进的多结构广义 闭-开组合形态滤波器，用改进的多结构广义闭-开组合形态滤波器对观测信号均值化处 理结果进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩阵；再通 过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计源信号， 对估计的源信号进行FFT变换，然后对变换后的信号的频域进行分析，确定故障类型，最终 实现故障诊断。
[0010] 所述基于平面聚类和频域压缩感知重构的机械故障诊断方法的具体步骤如下：
[0011] A、首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械 振动的观测信号xnXt;
[0012] 其中，m为传感器个数，t为采样时刻；
[0013] B、均值化处理步骤A中检测到的振动信号xnXt得到信号?ΜΧ?，根据极值的定义计 算信号的局部极大值和极小值，再根据信号相邻峰值的极大值和极小值之间的间隔确 定三角和半圆结构元素的长度&集合，根据信号峰值的极大值和极小值差值确定三角和半 圆结构元素的高度扎集合；
[0014] C、将步骤B中得到的集合扎和集合&代入三角结构元素公式沙和 半圆结构元素公式^〇=义><[^^]，:构造三角结构元素集合gl和半圆结构元素集合 §2 ；
[0015] 其中i为结构元素长度集合心数据点序列号，即集合比或集合&内元素的个数， 集合扎或集合I内元素的个数相等；
[0016] D、通过步骤C中得到的三角结构元素集合gl和半圆结构元素集合g2构造改进的 多结构广义闭-开组合形态滤波器C-0ACMF ;构造改进的多结构广义闭-开组合形态滤波 器C-0ACMF的具体步骤如下：
[0017] D1、将三角结构元素集合gl和半圆结构元素集合g2分别代入公式yl(n)= (f Θ giOgiOgJ (η)和y2(n) = (f θ 8ιθ§1Θ§2 θ g2) (n)，求出形态滤波结构腐蚀和膨胀 相结合的运算结果yl(n)和y2(n);
[0018] 其中，Θ和?分别表示腐蚀和膨胀运算；
[0019] 〇2、然后将71〇1)和72(11)代入7(11)=匕1(11)+72(11)]/2，得到 7(11)，7(11)即为 改进的多结构广义闭-开组合形态滤波器C-0ACMF ;
[0020] E、用改进的多结构广义闭-开组合形态滤波器C-0ACMF对均值化处理结果^^进 行滤波处理得到滤波信号icmXt ;
[0021] F、对滤波信号icmXt通过平面聚类算法来估计混合矩阵；
[0022] G、通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知 重构估计源信号y(t);
[0023] H、对估计的源信号y(t)进行FFT变换，然后对变换后的信号的频域进行分析，查 看频谱图上是否存在实际故障轴承计算的故障特征的频率及其倍频；
[0024] 如果存在，那么就确定频谱图上的频率对应于实际故障轴承故障类型的频率，BP 确定故障类型，最终实现故障诊断；
[0025] 如果不存在，轴承不存在故障，频谱图仅显示转轴的特征频率。
[0026] 所述步骤G中，所述构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知重构 估计源信号y(t)的具体步骤如下：
[0027] G1、初始化0ΜΡ参数，其中包括残差r。、迭代次数，计算傅立叶正交变换矩阵Etxt， 根据式Bkj = EtxtAkj构造传感矩阵W = (mtXnt) = Bkj = EtXtAkj，将信号转到频域运算； [0028] 其中，式中Etxt的维数由信号长度t决定，Akj为混合矩阵A(mXn)的元素值，B kJ 是传感矩阵W= (mtXnt)的一个块矩阵，维数可由Bkj = EtXtAkj得知，η为混合矩阵的列 数，即估计源信号的数目，m为传感器个数，t为采样时刻；
[0029] G2、使用内积法计算传感矩阵的列向量与残差r。的投影系数，并记录本次迭代最 大投影系数对应的位置β i ;
[0030] G3、使用最小二乘法计算本次迭代的重构信号估计值Xi = ( β J · β y1 · β J Ti ;
[0031] G4、更新残差r1+1 = ri-Xl，并且重复步骤G2、G3,直到迭代结束；
[0032] G5、使用Etxt做逆傅立叶变换重构得到维数为ntX 1的时域信号X，将时域信号X 分成η段得到估计的源信号y (t);
[0033] 其中，步骤G2、G3、G4中的1为0ΜΡ初始化参数中的迭代次数。
[0034] 本发明的有益效果是：
[00351 (1)本发明提出的滤波算法相比传统的形态滤波能更好的抑制、滤除噪声的同时 保持信号的特征信号；
[0036] (2)本发明所述方法在无需得知源数目个数的情况下，能够明显分离、计算轴承故 障特征频率，特别是针对故障中的微弱信号故障是一种简单有效的新方法，如保持架微弱 信号故障频率；
[0037] (3)本发明所述方法不要求信号充分满足稀疏性，可以充分削弱其他干扰信号对 分离的源信号进行故障识别的影响，实现轴承复合故障欠定盲分离。
【专利附图】
【附图说明】
[0038]图1为本发明中轴承故障模拟实验台及传感器位置图；
[0039]图2为本发明所述方法的流程图；
[0040]图3为本发明轴承故障模拟实验台运行时传感器拾取振动观测信号的时域波形， 其中，第1个分量为传感器I拾取振动观测信号的时域波形，第2个分量为传感器II拾取振 动观测信号的时域波形；
[0041]图4为本发明轴承故障模拟实验台运行时传感器拾取振动观测信号的包络谱；其 中，第1个分量为传感器I拾取振动观测信号的包络谱，第2个分量为传感器II拾取振动观 测信号的包络谱；
[0042]图5为本发明振动观测信号经闭-开形态滤波的包络谱；其中，第1个分量为传感 器I拾取振动观测信号经闭-开形态滤波的包络谱，第2个分量为传感器II拾取振动观测 信号经闭-开形态滤波的包络谱；
[0043] 图6为本发明滤波信号经基于平面聚类和频域压缩感知重构的机械故障诊断方 法分析的故障信号的包络谱。第1个分量为保持架故障故障信号的包络谱，第2个分量为 内圈故障故障信号的包络谱，第3个分量为外圈故障故障信号的包络谱。
[0044] 图1中：1_电动机、2-齿轮箱、3-轴承座、4一传感器I、5_故障轴承、6-传感器Π 、 传动轴、8-转盘。
【具体实施方式】
[0045] 实施例1 :如图1-6所示，一种基于平面聚类和频域压缩感知重构的机械故障诊 断方法，首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振 动的观测信号；把观测信号进行均值化处理，再求出均值化处理后的三角和半圆结构元素 的长度及高度集合；再构造三角结构元素集合和半圆结构元素集合，然后再构造改进的多 结构广义闭-开组合形态滤波器，用改进的多结构广义闭-开组合形态滤波器对观测信号 均值化处理结果进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩 阵；再通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计 源信号，对估计的源信号进行FFT变换，然后对变换后的信号的频域进行分析，确定故障类 型，最终实现故障诊断。
[0046] 实施例2 :如图1-6所示，一种基于平面聚类和频域压缩感知重构的机械故障诊 断方法，首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振 动的观测信号；把观测信号进行均值化处理，再求出均值化处理后的三角和半圆结构元素 的长度及高度集合；再构造三角结构元素集合和半圆结构元素集合，然后再构造改进的多 结构广义闭-开组合形态滤波器，用改进的多结构广义闭-开组合形态滤波器对观测信号 均值化处理结果进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩 阵；再通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计 源信号，对估计的源信号进行FFT变换，然后对变换后的信号的频域进行分析，确定故障类 型，最终实现故障诊断。
[0047] 所述基于平面聚类和频域压缩感知重构的机械故障诊断方法的具体步骤如下：
[0048] A、首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械 振动的观测信号Xnxt;
[0049] 其中，m为传感器个数，t为采样时刻；
[0050] B、均值化处理步骤A中检测到的振动信号xmXt得到信号根据极值的定义计 算信号的局部极大值和极小值，再根据信号相邻峰值的极大值和极小值之间的间隔确 定三角和半圆结构元素的长度K集合，根据信号峰值的极大值和极小值差值确定三角和半 圆结构元素的高度扎集合；
[0051] C、将步骤B中得到的集合扎和集合心代入三角结构元素公式連) = 和 Η 半圆结构元素公式g(/)=", χψ-(~)2]，构造三角结构元素集合gi和半圆结构元素集合 g2;
[0052]其中i为结构元素长度集合K数据点序列号，即集合民或集合&内元素的个数， 集合4或集合心内元素的个数相等；
[0053] D、通过步骤c中得到的三角结构元素集合gi和半圆结构元素集合g2构造改进的 多结构广义闭-开组合形态滤波器C-OACMF ;构造改进的多结构广义闭-开组合形态滤波 器C-OACMF的具体步骤如下：
[0054] D1、将三角结构元素集合gl和半圆结构元素集合g2分别代入公式yl( n)= (f ? g! Θ gl Θ g2) (η)和y2 (n) = (f θ gl Θ gl Θ g2 ? g2) (n)，求出形态滤波结构腐蚀和膨胀 相结合的运算结果yl (η)和y2 (η);
[0055]其中，@和?分别表示腐蚀和膨胀运算；
[0056] D2、然后将 yl(n)和 y2(n)代入 y(n) = [yl(n)+y2(n)]/2,得到 y(n)，y(n)即为 改进的多结构广义闭-开组合形态滤波器C-OACMF ;
[0057] E、用改进的多结构广义闭-开组合形态滤波器C-OACMF对均值化处理结果％?进 行滤波处理得到滤波信号iCniXt ;
[0058] F、对滤波信号icmXt通过平面聚类算法来估计混合矩阵；
[0059] G、通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知 重构估计源信号y(t);
[0060] Η、对估计的源信号y(t)进行FFT变换，然后对变换后的信号的频域进行分析，查 看频谱图上是否存在实际故障轴承计算的故障特征的频率及其倍频；
[0061] 如果存在，那么就确定频谱图上的频率对应于实际故障轴承故障类型的频率，即 确定故障类型，最终实现故障诊断；
[0062] 如果不存在，轴承不存在故障，频谱图仅显示转轴的特征频率。
[0063] 实施例3 :如图卜6所示，一种基于平面聚类和频域压缩感知重构的机械故障诊 断方法，首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振 动的观测信号；把观测信号进行均值化处理，再求出均值化处理后的三角和半圆结构元素 的长度及高度集合；再构造三角结构元素集合和半圆结构元素集合，然后再构造改进的多 结构广义闭-开组合形态滤波器，用改进的多结构广义闭-开组合形态滤波器对观测信号 均值化处理结果进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩 阵；再通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计 源信号，对估计的源信号进行FFT变换，然后对变换后的信号的频域进行分析，确定故障类 型，最终实现故障诊断。
[0064] 所述基于平面聚类和频域压缩感知重构的机械故障诊断方法的具体步骤如下：
[0065] A、首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械 振动的观测信号Xnixt ;
[0066] 其中，m为传感器个数，t为采样时刻；
[0067] B、均值化处理步骤A中检测到的振动信号xmXt得到信号兔_ >根据极值的定义计 算信号tpa的局部极大值和极小值，再根据信号相邻峰值的极大值和极小值之间的间隔确 定三角和半圆结构元素的长度KL集合，根据信号峰值的极大值和极小值差值确定三角和半 圆结构元素的高度扎集合；
[0068] C、将步骤B中得到的集合HL和集合KL代入三角结构元素公式=馬 …. 馬 - ? ~ι- 和半圆结构元素公式g〇_)=心><[^-(€)2]，构造三角结构元素集合§1和半圆结构元素集 合g2 ;
[0069]其中i为结构元素长度集合KL数据点序列号，即集合扎或集合心内元素的个数， 集合扎或集合K内元素的个数相等；
[0070] D、通过步骤C中得到的三角结构元素集合gi和半圆结构元素集合g2构造改进的 多结构广义闭-开组合形态滤波器C-OACMF ;构造改进的多结构广义闭-开组合形态滤波 器C-OACMF的具体步骤如下：
[0071] D1、将三角结构元素集合gl和半圆结构元素集合g2分别代入公式yl( n)= (f ? (η)和y2(n) = (f ? θ g2) (n)，求出形态滤波结构腐蚀和膨胀 相结合的运算结果yl (η)和y2 (η);
[0072] 其中，?和?分别表示腐蚀和膨胀运算；
[0073] D2、然后将 yl (η)和 y2 (η)代入 y (n) = [yl (n)+y2 (η) ]/2,得到 y (n)，y (η)即为 改进的多结构广义闭-开组合形态滤波器C-OACMF ;
[0074] E、用改进的多结构广义闭-开组合形态滤波器C-OACMF对均值化处理结果$_进 行滤波处理得到滤波信号icnXt ;
[0075] F、对滤波信号icnXt通过平面聚类算法来估计混合矩阵；
[0076] G、通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知 重构估计源信号y(t);
[0077] H、对估计的源信号y⑴进行FFT变换，然后对变换后的信号的频域进行分析，查 看频谱图上是否存在实际故障轴承计算的故障特征的频率及其倍频；
[0078] 如果存在，那么就确定频谱图上的频率对应于实际故障轴承故障类型的频率，即 确定故障类型，最终实现故障诊断；
[0079] 如果不存在，轴承不存在故障，频谱图仅显示转轴的特征频率。
[0080] 所述步骤G中，所述构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知重构 估计源信号y(t)的具体步骤如下：
[0081] G1、初始化0ΜΡ参数，其中包括残差r(|、迭代次数，计算傅立叶正交变换矩阵Etxt， 根据式Bkj = EtxtAw构造传感矩阵W = (mtXnt) = Bkj = EtXtAkj，将信号转到频域运算； [0082]其中，式中Etxt的维数由信号长度t决定，Akj为混合矩阵A(mXn)的元素值，B kj 是传感矩阵W = (mtXnt)的一"?"块矩阵，维数可由Bw = EtxtAkj得知，n为混合矩阵的列 数，即估计源信号的数目，m为传感器个数，t为采样时刻；
[0083] G2、使用内积法计算传感矩阵的列向量与残差rQ的投影系数，并记录本次迭代最 大投影系数对应的位置β i ;
[0084] G3、使用最小二乘法计算本次迭代的重构信号估计值Χχ = (β J · β J-1 · β J ;
[0085] G4、更新残差r1+1 = η-Χι，并且重复步骤G2、G3,直到迭代结束；
[0086] G5、使用Etxt做逆傅立叶变换重构得到维数为ntX 1的时域信号x，将时域信号X 分成η段得到估计的源信号y (t);
[0087] 其中，步骤G2、G3、G4中的1为0ΜΡ初始化参数中的迭代次数。
[0088] 实施例4 :如图1_6所示，一种基于平面聚类和频域压缩感知重构的机械故障诊断 方法，本实施例与实施例3相同，不同之处在于本实施例以某旋转试验台中轴承复合故障 诊断实验为实施实例，本实施例使用的故障轴承NU205型号的相关参数为：节圆直径D = 39ram，滚动体直径d = 7. 5圓，滚动体数目Z = 12,接触角α = 〇,根据故障轴承相关参数可 以直接计算计算可得轴承外圈故障特征频率为64. 61Hz，内圈故障特征频率为95. 38Hz，保 持架故障特征频率为5. 38Hz，具体诊断方法包括以下步骤：：
[0089] A、把两个加速度传感器相互垂直安装在试验台上机械设备的壳体表面如图1所 示的4和6位置，利用NI SignalExpress采集模块及NI-9234四通道采集卡进行信号采 集，获取加速度传感器拾取的机械振动的观测信号xnXt。实验数据采集是在恒定转数800r/ min条件下采集的，其对应的轴的转频为13.33Hz。采样频率fs = 8192Hz，采样点数N = 8192Hz，Xnixt的时域波形图如图3所示，其对应的包络谱如图4所示，从包络谱图中清楚发 现外圈、内圈和保持架故障特征频率成分完全混在一起，尤其是微弱保持架故障频率完全 被覆盖，无法识别其故障；
[0090] 其中，m是传感器个数为2, t为采样时刻；
[0091] B、均值化处理步骤A中检测到的振动信号xmXt得到信号％χ? *根据极值的定义计 算信号的局部极大值和极小值，再根据信号相邻峰值的极大值和极小值之间的间隔确 定三角和半圆结构元素的长度KL集合，根据信号峰值的极大值和极小值差值确定三角和半 圆结构元素的高度扎集合；
[0092] c、将步骤B中得到的集合扎和集合心代入三角结构元素公式g錄=焉 和半圆结构元素公式祕构造三角结构元素集合gl和半圆结构元素集 合g2;
[0093]其中i为结构元素长度集合KL数据点序列号，即集合扎或集合&内元素的个数， 集合HL或集合KL内元素的个数相等；
[0094] D、通过步骤c中得到的三角结构元素集合gi和半圆结构元素集合g2构造改进的 多结构广义闭-开组合形态滤波器C-0ACMF ;构造改进的多结构广义闭-开组合形态滤波 器C-0ACMF的具体步骤如下：
[0095] D1、将三角结构元素集合gi和半圆结构元素集合&分别代入公式yl(n)= (f ? gl Θ gl Θ g2) (n)和y2 (n) = (f θ & @ @ & φ &) (n)，求出形态滤波结构腐蚀和膨胀 相结合的运算结果yl(n)和y2(n);
[0096]其中，θ和?分别表示腐蚀和膨胀运算；
[0097] 〇2、然后将 yl(n)和 y2(n)代入 y(n) = [7?(η)+γ2(η)]/2,得到 y(n)，y(n)即为 改进的多结构广义闭-开组合形态滤波器c-oacmf ;
[0098] E、用改进的多结构广义闭-开组合形态滤波器C-0ACMF对均值化处理结果进 行滤波处理得到滤波信号ic mXt，滤波后的包络谱如图5所示，从包络谱图中都能清楚发现 背景噪声得到较好的滤波，但内圈和保持架故障特征频率成分仍混在一起，无法辨别保持 架和内圈故障；
[0099] F、对滤波信号icmXt通过平面聚类算法来估计混合矩阵Akj ;
[0100] G、通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基0ΜΡ的频域压缩感知 重构估计源信号y(t);所述构建传感矩阵，运用正交匹配追踪基omp的频域压缩感知重构 估计源信号y(t)的具体步骤如下：
[0101] G1、初始化0ΜΡ参数，其中包括残差r0、迭代次数1 = 45,计算傅立叶正交变换矩 阵Etxt，根据式Bkj = EtXtAkj构造传感矩阵W = (mtXnt) = Bkj = EtxtAkj，将信号转到频域 运算；
[0102] 其中，式中Etxt的维数由信号长度t决定，Akj为混合矩阵A(mXn)的元素值，B kJ 是传感矩阵W = (mtXnt)的一个块矩阵，维数可由Bkj = EtXtAkj得知，η为混合矩阵的列数 3,即估计源信号的数目，m为传感器个数2, t为采样时刻9192 ;
[0103] G2、使用内积法计算传感矩阵的列向量与残差1·。的投影系数，并记录本次迭代最 大投影系数对应的位置β1;
[0104] G3、使用最小二乘法计算本次迭代的重构信号估计值Xi = (β J · β J-1 · β J ;
[0105] G4、更新残差r1+1 = ri-Xl，并且重复步骤G2、G3,直到迭代结束；
[0106] G5、使用Etxt做逆傅立叶变换重构得到维数为ntX 1的时域信号X，将时域信号X 分成3段得到估计的源信号y(t);
[0107] 其中，步骤G2、G3、G4中的1均为0ΜΡ初始化参数中的迭代次数。
[0108] H、对估计的源信号y(t)进行FFT变换，估计源信号的频谱图如图6,从图6中的 第1个分离信号中清晰辨出保持架故障特征频率5Hz和2倍频约11Hz的频率成分，对应于 保持架频率5. 38Hz。第2个分离信号存在转频13Hz和95Hz的谱线及其倍频，以及在95Hz 和l9〇Hz两侧间隔为旋转频率13Hz的边频较多，对应于内圈故障频率95. 38Hz，诊断其为 内圈故障。频率误差值由频率分辨率导致,一般在± 1Hz以内，第3个分离信号几乎仅存在 65Hz的XI、Χ2、X3等倍频的幅值，对应于轴承外圈故障频率64. 61Hz，3个分量图几乎不存 在其他干扰成分，说明该算法可以将故障能够完全分离。频谱图上存在实际故障轴承计算 的故障特征的频率及其倍频，即确定故障类型，最终实现故障诊断。
[0109]上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前 提下作出各种变化。
【权利要求】
1. 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法，其特征在于：首先把 加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振动的观测信号； 把观测信号进行均值化处理，再求出均值化处理后的三角和半圆结构元素的长度及高度集 合；再构造三角结构元素集合和半圆结构元素集合，然后再构造改进的多结构广义闭-开 组合形态滤波器，用改进的多结构广义闭-开组合形态滤波器对观测信号均值化处理结果 进行滤波处理得到滤波信号；对滤波信号通过平面聚类算法来估计混合矩阵；再通过估计 的混合矩阵构建传感矩阵，运用正交匹配追踪基的频域压缩感知重构估计源信号，对估计 的源信号进行FFT变换，然后对变换后的信号的频域进行分析，确定故障类型，最终实现故 障诊断。
2. 根据权利要求1所述的基于平面聚类和频域压缩感知重构的机械故障诊断方法，其 特征在于：所述基于平面聚类和频域压缩感知重构的机械故障诊断方法的具体步骤如下： Α、首先把加速度传感器安装在机械设备的壳体表面，通过加速度传感器拾取机械振动 的观测信号xmXt ; 其中，m为传感器个数，t为采样时刻； B、 均值化处理步骤A中检测到的振动信号xmXt得到信号根据极值的定义计算信 号^^的局部极大值和极小值，再根据信号相邻峰值的极大值和极小值之间的间隔确定三 角和半圆结构元素的长度&集合，根据信号峰值的极大值和极小值差值确定三角和半圆结 构元素的高度扎集合； C、 将步骤B中得到的集合&和集合心代入三角结构元素公式魂)=? Η[卜和半 圆结构元素公式构造三角结构元素集合gl和半圆结构元素集合g2; 其中i为结构元素长度集合心数据点序列号，即集合比或集合&内元素的个数，集合 扎或集合心内元素的个数相等； D、 通过步骤C中得到的三角结构元素集合gl和半圆结构元素集合g2构造改进的多 结构广义闭-开组合形态滤波器C-OACMF ;构造改进的多结构广义闭-开组合形态滤波器 C-OACMF的具体步骤如下： D1、将三角结构元素集合gl和半圆结构元素集合g2分别代入公式yl(n)= (f ? gi?gi?g2) (η)和y2(n) = (f ? ? g2) (n)，求出形态滤波结构腐蚀和膨胀 相结合的运算结果yl(n)和y2(n); 其中，Θ和θ分别表示腐蚀和膨胀运算； 〇2、然后将71(1〇和72(11)代入7(11)=匕1(11)+72(11)]/2,得到7(11)，7(11)即为改进 的多结构广义闭-开组合形态滤波器C-OACMF ; E、 用改进的多结构广义闭-开组合形态滤波器C-OACMF对均值化处理结果^?^进行滤 波处理得到滤波信号iCniXt ; F、 对滤波信号icmXt通过平面聚类算法来估计混合矩阵； G、 通过估计的混合矩阵构建传感矩阵，运用正交匹配追踪基OMP的频域压缩感知重构 估计源信号y(t); Η、对估计的源信号y (t)进行FFT变换，然后对变换后的信号的频域进行分析,查看频 谱图上是否存在实际故障轴承计算的故障特征的频率及其倍频； 如果存在，那么就确定频谱图上的频率对应于实际故障轴承故障类型的频率，即确定 故障类型，最终实现故障诊断； 如果不存在，轴承不存在故障，频谱图仅显示转轴的特征频率。
3·根据权利要求1所述的基于平面聚类和频域压缩感知重构的机械故障诊断方法，其 特征在于：所述步骤G中，所述构建传感矩阵，运用正交匹配追踪基OMP的频域压缩感知重 构估计源信号y(t)的具体步骤如下： G1、初始化OMP参数，其中包括残差r。、迭代次数，计算傅立叶正交变换矩阵Etxt，根据 式Bkj = EtXtAkj构造传感矩阵W = (mtXnt) = Bkj = EtXtAkj，将信号转到频域运算； 其中，式中Etxt的维数由信号长度t决定，Akj为混合矩阵A(mXn)的元素值，B kj是传 感矩阵W = (mtXnt)的一个块矩阵，维数可由Bkj = EtXtAkj得知，η为混合矩阵的列数，即 估计源信号的数目，m为传感器个数，t为采样时刻； G2、使用内积法计算传感矩阵的列向量与残差r。的投影系数，并记录本次迭代最大投 影系数对应的位置β ：L ; G3、使用最小二乘法计算本次迭代的重构信号估计值Xl = (β / · β it1 · β J h ; G4、更新残差r1+1 = ri-Xl，并且重复步骤G2、G3,直到迭代结束； G5、使用Etxt做逆傅立叶变换重构得到维数为ntX 1的时域信号X，将时域信号X分成 η段得到估计的源信号y(t); 其中，步骤G2、G3、G4中的1为OMP初始化参数中的迭代次数。
【文档编号】G01M7/02GK104215456SQ201410411671
【公开日】2014年12月17日 申请日期:2014年8月20日 优先权日:2014年8月20日
【发明者】伍星, 周俊, 迟毅林, 潘楠, 刘畅, 柳小勤, 刘凤, 谢金葵, 陈庆, 贺玮 申请人:昆明理工大学