[发明专利]一种多源机械信号分析与优化组合方法

权利要求书

1.一种多源机械信号分析与优化组合方法，其特征在于，包括以下步骤：

步骤1、对所采集的至少是机械设备整旋转周期长度的多源机械振动和振声信号进行快速傅里叶变换(FFT)，获得具有高维和共线性特性的机械频谱数据；

步骤2、基于这些机械频谱数据构建潜结构映射(PLS)模型，基于验证数据得到磨机负荷参数预测(MLPF)模型的结构参数和验证误差；通过单一机械信号MLPF潜结构模型与全部机械信号MLPF潜结构模型的验证误差之比对机械信号的预测精度贡献率进行评估，通过单一机械信号MLPF潜结构模型与全部机械信号MLPF潜结构模型的结构参数之比对机械信号的蕴含信息贡献率进行评估，并定义两者的可调加权作为综合指标，实现多源机械信号在预测精度和蕴含信息贡献率的综合评估；

步骤3、通过选择综合指标值大于设定阈值的多源机械信号完成初选，再基于组合优化策略实现用于构建MLPF模型的最佳多源机械信号的优化组合。

2.根据权利要求1所述的多源机械信号分析与优化组合方法，其特征在于，步骤1具体为：针对磨矿过程和球磨机运转过程的定性分析可知，球磨机系统的不同位置的不同类型机械信号中蕴含着不同的磨机负荷参数的有价值信息，将所采集的机械信号的来源数简记为J，并将全部通道的信号标记为其中，j表示第jth个通道；

采用FFT技术将数据长度为N的机械振动信号变换至频域，具体可表示为：

假定基于不同的磨机负荷值进行k次实验，并且同时采集J个通道的机械信号；接着将全部信号采用公式(3)变换至频域，并记为将其划分为两个部分，即建模数据和验证数据，具体可表示为：

其中，k＝k^train+k^valid；k^train和k^valid分别是训练和验证数据集的样本数量。

3.根据权利要求2所述的多源机械信号分析与优化组合方法，其特征在于，步骤2具体为：采用PLS算法基于所构建的潜结构模型可表示为具体可表示为：

其中，rank(·)表示获取矩阵秩的函数；h_j是第jth个潜结构模型的LVs数量，也是潜结构模型的结构参数和模型的层数，

h_j是通过最小化验证数据集的均方根误差(RMSEs)的准则计算得到的；其中，第jth个通道的机械信号潜结构模型的RMSEs采用下式计算得到：

其中表示基于jth通道的机械信号频谱构建的潜结构模型，

基于多个通道的机械信号潜结构模型的验证误差给出了表征第jth个通道机械信号的相对预测精度贡献率的计算公式：

同时，基于表征潜结构模型结构的LVs数量h_j，给出了相对蕴含信息贡献率的计算公式：

进一步，定义了综合指标λ_j用于评估第jth通道的机械信号：

其中，0≤α≤1，系数α能够在相对预测精度贡献率和蕴含信息贡献率之间进行均衡，

最佳通道机械信号的综合指标值λ^Best可通过下式得到：

λ^Best＝Min(λ₁,…,λ_j,…,λ_J) (10)

其中Min(·)表示获取最小值的函数；

基于式(10)的准则，将所有通道按照综合指标值由小到大进行重新排序，并重新标记为:

其中，表示进行重新排序后的第j^*th个综合指标值。

4.根据权利要求1所述的多源机械信号分析与优化组合方法，其特征在于，步骤3具体为：通过设定阈值λ_thresh对所有J^*个通道的机械信号进行初选，如下式所示：

其中，φ表示空集，

基于式(12)的准则，将初选的通道数记为J^sel；全部初选通道的综合指标值可标记为：

其中，J^sel≤J，j^sel表示经过初选得到的第j^selth个通道的机械信号，

通过组合优化策略对初选的通道进行优化组合，以获得具有最佳预测性能的具有互补特性的机械信号组合，按最小化验证数据集误差的准则选择优化的组合通道：

其中，表示优化组合通道的机械信号频谱建模数据集；表示优化组合后的基于训练数据集构建的潜结构模型；表示优化组合后的验证数据集；表示优化组合后的第l^validth个验证样本；表示包含全部J^*个候选通道的验证数据集；

在原始J个通道的机械信号中，经过初选获得J_sel个通道，再经过组合优化策略得到个通道；具体可用如下公式表示，

其中，J_sel∈[1,J]；

实现对J个通道的机械信号的分析评估和优化组合。