[发明专利]高维变量下电机状态监测方法及系统

权利要求书

1.一种高维变量下电机状态监测方法，其特征在于，包括如下步骤：

S1：基于采集的电机高维振动信号构建高维电机信号模式频率搜寻模型，根据高维电机信号模式频率搜寻模型在电机高维振动信号的整个分析频谱范围内确定模式频率；

S2：设计模式频率驱动的高维变量单步分解准则，根据高维变量单步分解准则对搜寻到的所有模式频率执行高维变量单步分解操作，得到与模式频率相对应的高维模式成分；

S3：建立电机高维故障特征提取机制，利用所述电机高维故障特征提取机制在所有高维模式成分中提取高维故障成分，并对高维故障成分进行流形融合，得到故障特征的流形结构，实现对电机状态的监测。

2.根据权利要求1所述的高维变量下电机状态监测方法，其特征在于，在S1中，根据高维电机信号模式频率搜寻模型在电机高维振动信号的整个分析频谱范围内确定模式频率的方法包括：

S1.1：采集关于时间变量t的C维电机高维振动信号，其中下标c表示维度序号；

S1.2：基于所述C维电机高维振动信号构建关于迭代次数为0的第i个起始模式频率的模式频率搜寻函数为：

式中，为在傅里叶域的变换形式，为频率参数；

S1.3：当起始模式频率时，自动更新下一个起始模式频率并计算出对应的模式频率搜寻函数的值，其中，为信号采样频率，更新起始模式频率的公式为：

式中，为频率分辨率；

S1.4：计算出电机高维振动信号分析频谱范围内所有起始模式频率对应的模式频率搜寻函数的值，确定其值从正变为负的第k个频率点为目标模式频率，得到所有的目标模式频率。

3.根据权利要求2所述的高维变量下电机状态监测方法，其特征在于，在S2中，根据高维变量单步分解准则对搜寻到的所有模式频率执行高维变量单步分解操作的方法包括：

S2.1：构建高维变量单步分解模型为：

式中，为第c维第k个模式成分在傅里叶域的变换形式，K为高维模式成分总数目；

S2.2：将所有模式频率输入到高维变量单步分解模型中，计算得到所有模式成分在傅里叶域的变换形式；

S2.3：对进行快速傅里叶逆变换，得到所有高维模式成分的时域表示。

4.根据权利要求3所述的高维变量下电机状态监测方法，其特征在于，在S3中，利用所述电机高维故障特征提取机制在所有高维模式成分中提取高维故障成分，并对高维故障成分进行流形融合的方法包括：

S3.1：根据高维故障系数均值在所有高维模式成分中定位出一组高维故障成分；

S3.2：对高维故障成分执行局部切空间排列算法进行流形融合，得到故障特征的流形结构。

5.根据权利要求4所述的高维变量下电机状态监测方法，其特征在于，在S3.1中，根据高维故障系数均值在所有模式成分中定位出一组高维故障成分的方法包括：

S3.1.1：计算模式成分的自相关函数为：

式中，为希尔伯特变换后的时间序列，为时间滞后量；

S3.1.2：基于自相关函数建立模式成分的高维故障系数为：

式中，表示达到局部最大值时的时间滞后量，表示包络信号的总能量；

S3.1.3：根据高维故障系数计算第k组模式成分的高维故障系数均值为：

式中，C表示维度总数；

S3.1.4：根据最大值选取对应的高维模式成分作为高维故障成分数据集，其中N为数据长度。