[发明专利]一种基于自适应噪声变换和随机共振的机械故障诊断方法

权利要求书

1.一种基于自适应噪声变换和随机共振的机械故障诊断方法，其特征在于，所述方法包括如下步骤：

S1、利用加速度传感器采集机械旋转部件的振动数据，作为原始信号；

S2、将原始信号经过离散小波变换分解为不同频带的信号，分解层数为待定系数，对分解后的信号进行重分布，放大低频信号，重分布系数待定，将重分布后的信号在经过离散小波变换重构得到包含粉红噪声的新信号；

S3、通过人工蜂群算法对S2中的离散小波分解层数和重分布系数进行寻优，寻优目标函数为加权谱峭度，将寻优结果代入S2中得到重构后的信号；

S4、将重构后的信号输入标准化后的双稳态随机共振系统，通过随机共振利用噪声能量增强低频信号能量，放大原信号中的故障特征信号，得到去噪后的信号；

S5、对最终得到的经过随机共振系统去噪后的信号进行希尔伯特包络谱分析，将包络谱峰值频率和计算出的理论故障特征频率进行比较，对机械旋转部件进行故障诊断。

2.根据权利要求1所述的一种基于自适应噪声变换和随机共振的机械故障诊断方法，其特征在于，S2中原始信号经过离散小波变换进行信号噪声变换的方法为：

假设x(t)为原始输入信号，首先对原始信号进行离散小波变换，得到一系列的细节系数和近似系数，表达式如下：

其中，a_J(k)为近似系数，d_j(k)为细节系数，为尺度函数，为母小波函数，j为分解层数，j＝1,2,..,J，J为最后一层，得到在不同频带的一些列小波系数：

Φ＝{d₁,d₂,…,d_j,…,d_J,d_J+1} (3)

其中d_J+1为最后一层的近似系数a_J，

分解层数J由下式决定：

其中f_s为采样频率，f₀为故障特征频率，将故障特征频率包含在最后一层细节系数里；

对各个不同频带信号中的噪声进行重分布，得到粉红噪声，对各个小波系数进行重分布的公式如下：

其中，α为重分布系数，最后将重分布后的信号进行重构得到新的信号y_n(t)：

3.根据权利要求1所述的一种基于自适应噪声变换和随机共振的机械故障诊断方法，其特征在于，S3中使用人工蜂群算法对离散小波分解层数J和重分布系数α进行寻优的步骤如下：

S21、初始化解空间维度和范围，种群个数和种群解，侦查蜂数量，加速度常数，蜜源最大不更新次数，以及最大迭代次数；

S22、计算各蜜源的适应度函数值，雇佣蜂在目前蜜源的附近进行探索搜寻新的蜜源，跟随蜂根据贪婪策略选择最优的蜜源，并在蜜源附近进行探索搜索新的蜜源；

S23、重复步骤S22，如果某个蜜源未更新次数达到蜜源最大不更新次数，丢弃该蜜源，并且根据侦查蜂数量随机产生一个最优蜜源进行代替；

S24、不断重复S22和S23，直到达到最大迭代次数，得到最优解。

4.根据权利要求1所述的一种基于自适应噪声变换和随机共振的机械故障诊断方法，其特征在于，所述S4中利用双稳态随机共振系统对信号进行去噪的方法包括：

双稳态过阻尼随机共振系统的朗之万方程如下：

其中x(t)是粒子运动轨迹，a,b是非负系统参数，A₀是微弱信号幅值，f₀为周期信号频率，ξ(t)是零均值高斯白噪声，强度为D；

为了克服小参数限制，令因此，(7)式变为：

得到双稳态随机共振系统的标准形式，并且对输入周期信号进行频率和幅值变换，满足小参数限制。

5.根据权利要求1所述的一种基于自适应噪声变换和随机共振的机械故障诊断方法，其特征在于，S5中希尔伯特包络谱分析的方法包括：

将信号经过希尔伯特变换得到原始信号的复域部分，将原信号和其复域部分相结合得到信号的解析信号，求解析信号的模即得到希尔伯特包络信号，求幅值谱即得到希尔伯特包络谱。