[发明专利]一种基于混沌的机械零部件早期单点故障检测与分类方法

摘要

本发明为一种基于混沌的机械零部件早期单点故障检测与分类方法，首先对机械零部件现有不同状态的样本故障信号进行处理，建立不同故障类型的检验区间；其次获取机械零部件的所有单点故障状态所对应的故障特征频率，构造Duffing混沌振子的频率矩阵；然后求出不同故障特征频率下所对应的周期策动力幅值的临界阈值，构建频率-阈值矩阵；最后，将待检测信号加入计算最大Lyapunov指数矩阵M，根据M中数据进行检验，若存在故障信号，计算待检测信号的关联维数，对照已建立的不同故障类型的关联维数区间，进行故障分类，确定故障模式。本发明实现了对机械零部件早期单点故障的检测与分类，抗噪声能力强，并且故障检测成功率非常高。

主权项

一种基于混沌的机械零部件早期单点故障检测与分类方法，其特征在于，具体包括步骤：步骤一、建立不同故障类型的检验区间：对机械零部件现有的、不同状态的样本故障信号，计算相应的关联维数，对结果进行正态性检验，再应用基于小样本自采样方法对得到的关联维数进行自助训练；依据自助训练后得到的数值，进行正态分布的样本均值与标准差的参数估计；根据所得到参数，建立不同故障类型的检验区间；步骤二、构造Duffing混沌振子的频率矩阵：获取机械零部件的所有单点故障状态所对应的故障特征频率，建立包含所有单点故障状态的频率矩阵P，将混沌振子检测模型中策动力角频率ω设为频率矩阵P；所述的混沌振子检测模型为： x ′ = y y · = - 0.5 y + x 3 - x 5 + f cos ωt + A cos ωt + σn ( t ) 其中，x、y为以时间t为自变量的函数，f为周期策动力幅值，ω为策动力角频率，n(t)为加性随机噪声，Acosωt+σn(t)为待检混合信号；步骤三、求出不同故障特征频率下所对应的周期策动力幅值f的临界阈值fd，构建频率‑阈值矩阵：将步骤二中得到的混沌振子检测模型在不加入待检测信号情况下，此时Acosωtσn(t)＝0，调节周期策动力幅值f，使混沌振子检测模型系统处于临界的混沌态，将Lyapunov指数曲线的最后一个过零点所对应的周期策动力幅值f作为系统的临界阈值fd，并建立与步骤二获取的故障特征频率相对应的频率‑阈值矩阵；步骤四、进行故障检测：将频率‑阈值矩阵中的每对对应的值都分别代入混沌振子检测模型中周期策动力幅值f与策动力角频率ω，然后在每一次代入值后加入待检测信号，此时Acosωt+σn(t)的值为待检验信号值，计算最大Lyapunov指数，将得到的所有最大Lyapunov指数组成最大Lyapunov指数矩阵M，判断最大Lyapunov指数矩阵M中数据是否全部大于零，若是则无故障信号存在，结束本次故障检测与分类过程；若不是全部大于零则存在故障，执行步骤五；步骤五、进行故障分类：计算待检测信号的关联维数，对照步骤一建立的不同故障类型的检验区间，进行故障分类，确定故障模式。