[发明专利]一种基于声音的双投影邻域保持嵌入的托辊故障检测方法

权利要求书

1.一种基于声音的双投影邻域保持嵌入的托辊故障检测方法，其特征在于：包括以下步骤：

步骤1：采集正常托辊的运行声音数据；

步骤2：运用滑窗对声音数据预处理，得到n个声音数据样本作为训练样本；

步骤3：对声音数据样本进行小波变换能量特征提取，得到初级特征数据；

步骤4：采用双投影邻域保持嵌入特征提取方法得到初级特征数据的最优投影矩阵W；

步骤5：根据步骤4求得的最终的最优投影矩阵W求得训练数据的特征空间和残差空间；

步骤6：利用T²统计量分别构建训练数据的特征空间和残差空间的T²统计量；

步骤7：采用核密度估计的方法，根据训练数据的特征空间和残差空间的T²统计量确定检测控制限J_th,c、J_th,res；

步骤8：在线采集托辊的运行声音数据，并进行标准化处理后，根据步骤4-6的方法，得到在线数据的特征空间和残差空间的T²统计量T′²、根据在线数据的特征空间和残差空间的T²统计量与检测控制限J_th,c、J_th,res的关系进行托辊故障检测；

如果T′²＞J_th,c或者则托辊运行出现故障；

如果T′²≤J_th,c且则托辊运行正常。

2.根据权利要求1所述的一种基于声音的双投影邻域保持嵌入的托辊故障检测方法，其特征在于：所述步骤4的具体方法为：

步骤4.1：构建最优投影矩阵W的目标函数f(W)：

其中，X∈R^m×n是训练样本数据矩阵，其中m为训练样本维数，W∈R^m×l为初级特征数据的最优投影矩阵，l为训练数据的特征空间特征向量个数，λ是平衡参数，x_i代表第i个训练样本，x_i代表x_i的第j个近邻点，k代表x_i近邻点的个数，a_ij为采用邻域保持嵌入算法求解得到的x_i的k个近邻点的权值；矩阵Q用于在不降维的情况下提取训练样本数据的特征，I为单位向量；

令由于约束条件W^TW＝I，令Q＝WW^T，所以将目标函数f(W)修改为：

其中，Y＝[y₁,y₂,...,y_n]；

步骤4.2：采用迭代的方法求解目标函数f(W)，得到最优投影矩阵W；

将修改后的目标函数f(W)整理为：

其中，

定义(W^Ty_i)是矩阵(W^TY)的第i列，定义(WW^Tx_i)是矩阵(WW^TX)的第i列，对目标函数f(W)构造拉格朗日函数，得：

L(W)＝tr(W^TYD₁Y^TW)+λtr(W^TXD₂X^TW)-tr(δ(W^TW-I)) (6)

其中，L(W)为拉格朗日函数，δ是拉格朗日乘子；

将公式(4)的拉格朗日函数对W求导，并把导数设为0，得到：

2YD₁Y^TW+2λXD₂X^TW-2δW＝0 (7)

进一步整理公式(5)得：

(YD₁Y^T+λXD₂X^T)W＝δW (8)

求(YD₁Y^T+λXD₂X^T)的特征值及特征向量，并对特征值从小到大排序，选择其中最小的l特征值对应的l个特征向量分别作为行向量组成最优投影矩阵W；由后(m-l)个最小特征值对应的特征向量组成残差投影矩阵W_res的列向量；

根据以上公式(3)-(8)，迭代求解最优投影矩阵W和残差投影矩阵W_res。