[发明专利]一种基于稀疏特征相似性的连轧机振动信号分离方法

说明书

本发明公开了一种基于稀疏特征相似性的连轧机振动信号分离方法。该方法为:在连轧机的旋转部件敏感处表面一个或多个不同位置布置加速度传感器，采集各振源工作时的振动信号即观测信号；通过基于时频谱分割的稀疏特征提取方法，获取各路采集的振动信号在最佳原子集合下的稀疏表示；再通过结构相似性对所有稀疏表示提取的原子进行聚类，估算出振源的个数，并采用各聚类中心对应的原子更新稀疏表示结果；最后，通过新的稀疏表示结果对应的聚类系数，估算出混合矩阵，进而计算出各振源的独立信号，实现连轧机振动信号的分离。该方法可有效滤除连轧机在运行过程中的干扰噪声，提高稀疏特征提取的精度，能更精确地估算振源个数及混合矩阵。

技术领域

本发明属于旋转机械状态监测与故障诊断技术领域，涉及一种多机架连轧机振动信号分离方法，尤其涉及一种基于稀疏特征相似性的连轧机振动信号分离方法。

背景技术

冶金企业在带钢生产过程中，粗轧机组和精轧机组是整个轧制过程的核心设备，这些连轧机组中的轴承、轧辊的工作状态将直接决定轧制产品的质量精度和性能指标。连轧机机组在长期连续、高强度工作中，经常会出现轧辊表层裂纹、轧辊表层局部剥落、轧辊支撑轴承失效等故障，进而影响产品质量精度，甚至导致设备停产及重大人员伤亡等事故，因此，连轧机的状态监测和故障诊断对保证生产稳定性、提高产品质量、降低生产成本具有重要意义。

由于连轧机组是由多台连轧机组成，产生的机械振动会在轧机间进行传递，因此，通过采集振动信号对连轧机进行状态监测和故障诊断时，所采集的振动数据均为不同部件振动信号强耦合的混合数据，这样就会导致故障特征提取和故障定位存在极大的难度，特别是当多台机架同时出现故障时，不采用有效的信号分离方法，无法确定具体的故障点位置。

信号的盲源分离技术就是将实际检测的信号看成是各通道源信号与混合矩阵混合后的信号，盲源分离的关键在于准确地估算出混合矩阵，进而根据检测的信号逆推出各通道源信号。

混合矩阵的估算方法比较常用的就是独立成分分析方法。文献检索查到相关专利：2018年3月20日公开的申请号为201711055592.7的发明专利《一种多振源机械设备故障信号分离装置及方法》，提供一种多振源机械设备故障信号分离装置及方法，将信号通过去均值、白化处理和独立成分分析三步去除各路振动信号之间的相互影响。但是，上述专利存在一个缺陷：在工程应用中，各机械振源之间往往会存在交叉频率成分，导致无法满足独立成分分析算法的独立性假设，从而造成算法失效。

为了克服这一问题，文献检索查到相关论文：于刚,周以齐,张卫芬.一种新的相关机械振源盲分离方法[J].振动与冲击,2016,35(15):216-221.提出了一种新的相关机械振源盲分离方法，其中指出：当信号具有较好的稀疏性时，观测信号在某一时频点只有一个源的可能性增大。对于隶属同一源信号的时频点将会正比于源信号在测量信号中的混合衰减系数，因此信号的稀疏特性可以被用于估计源信号的混合矩阵。但是，该方法存在不足之处：通过时频散点图拟合各振源聚类直线并进而计算混合矩阵时，往往会因为噪声的干扰，对于直线方向的估计准确性和鲁棒性不好，无法达到对混合矩阵的良好估计。

发明内容

本发明的目的在于，克服现有技术的不足，解决现有技术中存在的问题，提供一种基于稀疏特征相似性的连轧机振动信号分离方法，以提高盲源分离时混合矩阵的计算精度，进而达到连轧机多振源振动信号的准确分离目的。

本发明的目的是通过以下技术方案实现的：