[发明专利]基于模糊软形态学图形识别的旋转机械故障智能诊断方法

权利要求书

1.基于模糊软形态学图形识别的旋转机械故障智能诊断方法，其特征在于步骤如下：

(1)在需要诊断的旋转机械上布置振动传感器采集振动信号，由采集的数据形成时间序列振动信号；

(2)将采集得到的时间序列振动信号生成三维参数图形；

(3)对所述三维参数图形进行差值重构预处理；

(4)对差值重构预处理后的图形进行灰度自适应直方图均衡化增强预处理；

(5)采用复合模糊软形态滤波器对步骤(4)增强预处理之后的旋转机械振动参数图形进行增强处理；

具体通过如下公式进行：

其中，g_m是增强处理后的图形集合，m＝1,2,3,4,5,6，α为模糊软开运算的灰度等级权值；f为图形集合，b为结构元素，用b来腐蚀和膨胀f，分别定义如下：

式中，表示b对原点映射；

开运算和闭运算分别用符号和f·b来表示，分别定义为：

(6)采用模糊软形态学复合边缘检测算子对步骤(5)增强处理后的旋转机械振动参数图形进行纹理特征提取；

(7)针对步骤(6)提取得到的纹理特征，采用灰度-基元-梯度共生矩阵提取故障特征；

(8)根据提取得到的故障特征，采用人工神经网络方法进行故障诊断。

2.根据权利要求1所述的基于模糊软形态学图形识别的旋转机械故障智能诊断方法，其特征在于：所述步骤(2)将采集得到的时间序列振动信号生成三维参数图形，具体包括如下步骤：

(2.1)在旋转机械上布设振动传感器，采集振动时间序列信号X_n，n＝1,2.......N，N为正整数；

(2.2)对振动时间序列信号X_n进行截取，生成振动时间序列信号的矩阵表达Y：

(2.3)对矩阵表达Y进行谱分析,得到三维参数图形集合f。

3.根据权利要求1所述的基于模糊软形态学图形识别的旋转机械故障智能诊断方法，其特征在于：所述步骤(6)采用模糊软形态学复合边缘检测算子对增强处理后的旋转机械振动参数图形进行纹理特征提取，具体通过如下公式实现：

h＝a·g₁+b·g₂+c·g₃+d·g₄+e·g₅+k·g₆

其中，h是模糊软形态学复合边缘检测算子处理后图形集合，即纹理特征；

g₁＝f-fΘb；

g₅＝f·b-f；

加权系数为a、b、c、d、e、k。