[发明专利]一种针对白车身焊接设备的缓变微小故障检测方法

说明书

该发明公开了一种针对白车身焊接设备的缓变微小故障检测方法，属于故障检测领域。本发明从分析缓变微小故障的时频特征入手，从抑制信号背景噪声和提升故障信号幅值两方面进行处理。将小波阈值去噪和经验模态分解相结合，有效消除了经验模态分解中存在的模态混叠和虚假模态分量的问题，并去除了生产线信号中的背景噪声；使用随机共振有效提升了故障信号的幅值，提高了故障信号的信噪比。使用本发明的方法可以检测出生产线设备发生的缓变微小故障，避免微小故障进一步恶化，保证生产线的正常运行，切实提高企业的经济效益。

技术领域

本发明专利涉及的是一种基于白车身焊接生产线的缓变微小故障检测方法，针对缓变微小故障特点对白车身焊接生产线上的实际数据进行检测，判断是否发生缓变微小故障。

背景技术

随着科学技术的飞速发展，工业生产进入了工业自动化阶段，越来越多的智能设备逐渐代替人工进行生产工作。然而，设备故障仍是新阶段所存在的隐患，严重的设备故障会对生产工作造成巨大的财产损失，甚至会危及生命。所谓积微成著，严重设备故障很多是由微小故障经过长期积累造成的。故障在发生前会出现相应的前兆：严重故障的前兆较为显著，其观测值与正常值偏离程度较大；微小故障的前兆较为微弱，其偏离程度较小。研究人员根据故障的时域特性，将微小故障分为三类：信号幅值小且变化缓慢的称为缓变缓变微小故障，此类故障在出现初期很难被传统检测方法发现，但是日积月累便会形成严重故障，可能会对设备及生产线造成严重的损害^[3]；信号幅值小且瞬时变化的称为突变微小故障，此类故障存在的时间很短暂，且在短时间内便可以达到其突变的最大限度；信号幅值小且随时间变化断断续续的称为间歇微小故障，此类故障通常是由设备或元器件因年久失修所造成的，故障信号若隐若现，是元器件或设备失效停机的前兆。

发明内容

本发明以白车身焊接生产线中的焊接设备为研究对象，针对生产过程中难以检测到缓变微小故障的问题，根据缓变微小故障信号的特征选择合适的信号处理方法，设计一种小波阈值去噪、经验模态分解、随机共振相结合的故障检测方法，实现更为精确的设备缓变微小故障检测。

本发明的技术方案是一种针对白车身焊接设备的缓变微小故障检测方法，该方法包括以下步骤：

步骤1：获取白车身焊接生产线中焊接设备的信号，该信号包括：下车体增焊线传送带驱动端转轴信号或车身总成线传送带驱动端转轴信号；

步骤2：使用小波阈值去噪对步骤1获取的信号进行滤波处理；

步骤3：将滤波后的信号进行经验模态分解，并筛选谱峭度值最大的3个本征模函数进行信号重构；

步骤4：将步骤3重构后的信号进行随机共振；

步骤4.1：构建随机共振系统为：

其中，a＞0，b＞0为随机共振系统参数，s(t)为步骤2得到的重构信号，n(t)为系统外加噪声，x为系统中布朗粒子位移距离；

步骤4.2：以随机共振系统输出最优信噪比为目标值，迭代计算出最优的随机共振模型参数a，b；

步骤4.3：将步骤4.2计算出最优随机共振系统参数a，b代入步骤4.1的随机共振模型中，得到完整的随机共振模型；

步骤5：将实时白车身焊接生产线中焊接设备的信号输入步骤4得到的随机共振模型中，若随机共振模型输出信号的频域波形有明显的凸起则存在缓变微小故障，否则不存缓变微小故障。

进一步的，所述步骤2的滤波方法为：

步骤2.1：选择合适的小波函数和分解层数，对步骤1获取的信号进行层分解，得到对应的小波分解系数；

步骤2.2：根据阈值函数得到相应的阈值，根据对应的阈值对步骤2.1得到的小波分解系数进行阈值处理，得到估计小波分解系数；