[发明专利]一种基于多小波核-支持向量回归机的机械碰磨故障诊断方法

权利要求书

1.一种基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，包括以下步骤：

1)获得机械关键部件的振动信号；

2)对振动信号进行3层冗余提升小波分解，对各层细节信号及最后一层逼近信号进行自适应奇异值分解降噪处理，通过冗余提升小波重构算法，获得最终降噪后的机械振动信号；

3)以区间三次Hermite样条多小波的两个尺度函数为插值基函数，构造一种新型多小波核SVR；

4)将降噪后的机械振动信号分为训练集和预测集两部分，用训练集通过遗传算法获得多小波核SVR参数的最优值，然后构建预测模型，对预测集进行预测，通过预测残差对机械碰磨故障进行诊断。

2.根据权利要求1所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述步骤1)中，采样频率设为16KHZ，采样长度至少包含两个振动周期的信号，从而获得机械碰磨产生的高频振动信号。

3.根据权利要求1或2所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述步骤1)中，在机械大修后测取各关键部件的振动信号，作为以后机械故障诊断的参照样本，所述振动信号包括位移、速度和加速度信号。

4.根据权利要求3所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述机械由电动机或柴油机带动运转，所述振动信号为加速度信号，设电动机或柴油机的转速为N₁(r/s)，采样频率为f_s(Hz)，则采样长度至少为2f_s/N₁。

5.根据权利要求1所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述步骤2)中，提升算子的长度设为4，提升算子的预测器为P＝[-0.0625,0.5625,0.5625,-0.0625]，提升算子的更新器为U＝[-0.0313,0.2813,0.2813,-0.0313]，构造冗余预测器和冗余更新器，对振动信号进行3层冗余提升小波分解。

6.根据权利要求1或5所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述步骤2)中，采用自适应奇异值分解降噪方法，对小波分解得到的各层细节信号及最后一层逼近信号进行降噪处理，对时间序列[x₁,x₂,…,x_L]进行相空间重构，得到如下矩阵：

式中τ为时间延迟，η为嵌入维数，L为信号长度，对矩阵A进行奇异值分解(SingularValue Decomposition，SVD)，得到以下关系式：

A＝USV

对矩阵S的对角元素进行处理，将表征噪声的对角元素设为零，得到新矩阵s～，代替矩阵S，反过来算出新的矩阵A～，对A～进行逆相空间构造处理，获得最终降噪后的机械振动信号。

7.根据权利要求6所述基于多小波核-支持向量回归机的机械碰磨故障诊断方法，其特征在于，所述自适应奇异值分解降噪，是用遗传算法获得SVR降噪的最佳阶次，对信号进行相空间重构并进行奇异值分解，算出奇异熵增量ΔE_i：

式中λ_i是奇异值分解得到的矩阵对角非零元素，算出相邻ΔE_i差值的最大值：

ΔI＝max(ΔE_i+1-ΔE_i)

信号信噪比越大、则ΔI值越大，反过来，若ΔI值越大、则说明信号信噪比越大，以ΔI最大化为目标函数，通过遗传算法获取各层信号的SVD降噪阶次。