[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

说明书

本发明涉及一种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。包括：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；将采集得到的时间序列振动信号生成三维参数图形；对所述三维参数图形进行差值重构预处理；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；采用复合模糊软形态滤波器对增强预处理之后的旋转机械振动参数图形进行增强处理；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；针对纹理特征，采用灰度‑基元‑梯度共生矩阵提取故障特征；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。

技术领域

本发明涉及一种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，属于高速旋转机械故障诊断及信号处理技术领域。

背景技术

随着现代工业生产的不断发展和科技的日益进步，为了最大限度提高生产效率和产品质量，一些大型旋转机械如航空发动机、燃气轮机、风机、汽轮机、压缩机及发电机等不断朝着大型、高速、自动化、智能化、连续运转以及结构复杂的方向发展，这样由于旋转机械设备故障所带来的危害愈加严重，一旦发生故障将会给企业造成巨大的损失，因此，对旋转机械的运行状态进行监测及故障诊断具有重要意义。

常规的诊断方法是通过监测采集设备的振动、转速等信号，进行基于对比统计阈值、基于模型或者人工智能方法开展设备诊断的，但是在实际旋转机械故障诊断中，通常是领域专家通过观察和分析由振动信号得到大量反映设备运行状态的参数图形特征做出诊断的。这些含有大量状态信息的参数图形有二维的幅频特性曲线、相频特性曲线、轴心轨迹图、频谱图、趋势图及三维的振动三维谱图、三维阶比图以及近年来发展起来的含有信息量更大的全息谱图等。在实际故障诊断中，由于图形中的信息尤其是多维图形中的信息很难自动提取，致使图形中的大量信息没有得到充分利用，主要原因是这些图形信息很难用语言的形式描述，更难将其用知识规则表达出来，为此本发明提出一种基于模糊软形态学方法提取振动参数图形特征进而故障诊断，可有效提高旋转机械故障诊断准确率。

发明内容

本发明的目的在于：针对目前旋转机械故障诊断技术存在的上述问题，本发明提出了一种基于模糊软形态学图形识别技术的旋转机械故障诊断方法，该方法根据振动参数图形“峰谷”、灰度、纹理特性等，基于图形识别技术采用模糊软形态学方法提取振动图形故障特征进行诊断，可提高故障诊断准确率。

本发明采用的技术方案为：

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，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；具体插值重构方法见参考文献，基于转子动力学的旋转机械参数图形插值方法；

(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；

(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。

进一步的，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；