一種基于特征有效性分析的軸心軌跡智能識別方法
【技術領域】
[0001]本發明涉及一種基于特征有效性分析的軸心軌跡智能識別方法，用于旋轉機械軸心軌跡的狀態監測、故障預測和故障診斷，屬于設備故障診斷領域。
【背景技術】
[0002]軸心軌跡是旋轉機械故障監測與診斷的重要依據，它描述了轉軸旋轉時由于振動引起的轉子軸心點的運動軌跡。這種軸心運動可能出現在徑向或軸向，一般來說，對徑向運動進行截面分析比較常見，即二維軸心軌跡分析；如果增加考慮軸向運動，就構成了三維軸心軌跡分析。對二維軸心軌跡的識別本質上是對二維圖像的模式識別問題。如果對三維軸心軌跡在三個正交的坐標平面上進行投影，也可以將三維軸心軌跡識別轉化為三種二維圖像的識別問題。為此，準確、快速實現二維圖像的模式識別是解決基于軸心軌跡的故障監測與診斷問題的核心。
[0003]工程實踐中人們發現，典型故障的軸心軌跡具有一定的形狀特征，可以通過人工觀察識別。以徑向截面二維軸心軌跡為例，正常情況下軸心軌跡為長短軸差異不大的橢圓；轉子不平衡或轉子彎曲引起的軸心軌跡為較扁的橢圓形；轉子不對中引起的軸心軌跡為雙橢圓形、月牙形、香蕉形或8字形；動靜件碰摩引發紊亂或擴散的軸心軌跡等。然而，對于自動化的故障監測與診斷計算機而言，要自動識別軸心軌跡特征難度很大。目前常用的識別方法有:
[0004](I)智能學習法:將軸心軌跡對應的振動時序信號或數字圖像二值信息，經過歸一化、濾噪等預處理后，直接送入神經網絡或支持向量機等模型進行智能學習，利用訓練好后的模型實現識別。這種方法以建立輸入與輸出之間的模糊非線性關系為目標，受學習樣本影響大，識別率有限。
[0005](2)特征匹配法:采用信號處理技術對軸心軌跡進行分析，提取圖像形狀特征、信號時域特征、信號頻域特征或時頻特征等，通過特征匹配算法進行識別。該方法以特征提取為目標，物理含義清晰，但特征的敏感性和穩定性差異較大，識別率有限。
[0006](3)特征智能學習法:采用信號處理技術對軸心軌跡進行特征提取，如圖像形狀特征、信號時域特征、信號頻域特征或時頻特征等，把特征樣本送入神經網絡或支持向量機等模型進行樣本學習和識別。這種方法結合了智能學習和特征匹配兩種方法的優點，能夠有效提高軸心軌跡的識別精度，但算法復雜，對不同軸心軌跡樣本不具有普適性。
[0007]總之，為了提高軸心軌跡的識別準確度，提取敏感、穩定和有效的特征參數是軸心軌跡識別的核心問題。目前，相關學術研宄給出的特征參數種類較多，如幾何特征、時域特征、頻域特征等。為了更好地應用于工程實際，我們更關心的是，哪種特征參數在軸心軌跡識別中效果更好。好的特征參數應該不受軸心軌跡圖像的大小、位置和旋轉角度的影響，即應具有尺度不變性、平移不變性和旋轉不變性，同時，能夠更清晰的區分多種不同故障模式。事實上，通過前期研宄得出，許多特征參數只對識別一種或幾種故障模式是有效的，幾乎沒有哪種特征參數能夠同時區分所有的故障模式。為此，本發明提出了一種基于特征有效性分析的軸心軌跡智能識別方法，對不同軸心軌跡樣本具有自適應性，以特征參數的有效性對比分析結論為依據，采用智能邏輯推理的方法選擇軸心軌跡的特征類型和數量，優選數量最少的有效特征參數，以最優化的特征匹配順序進行軸心軌跡識別，結合優選的聚類分析算法進行特征匹配，提高軸心軌跡識別率。
[0008]現有技術中對軸心軌跡識別的方法并不多，例如:
[0009]現有技術一:專利申請號為CN201410750907公開的名稱為《基于瞬時頻率軸心軌跡的轉子動靜碰磨故障診斷方法》的發明申請，對振動測試截面上正交的兩個位移振動信號X (t)和y (t)，分別進行EMD分解，分別挑選出以工頻分量為主的MF信號分量MFx(t)和MFy(t)，使用直接正交法計算得出瞬時頻率IFx(t)和IF y(t)，然后對單分量信號MFx(t#MFy(t)通過歸一化分解成調幅和調頻信號，將一倍轉頻分量的瞬時頻率IF㈦和IF x(t)合成軸心軌跡，借助軸心軌跡形狀，對轉子運行狀態進行識別，通過彎曲振動信號提取轉子轉速的瞬時波動信息，并合成瞬時頻率軸心軌跡，實現轉子碰磨故障的有效診斷。該技術方案只用于診斷轉子碰磨故障，而不能應用于其它故障模式的軸心軌跡識別。
[0010]現有技術二:專利申請號為CN201410629011公開的名稱為《一種基于軸心軌跡的旋轉機械二倍頻故障檢測方法及系統》的發明申請，采用兩個相互垂直的探頭檢測旋轉機械振動數據，如果任一探頭檢測的振動數據中二倍頻成分多lOum，則將兩個探頭檢測得到的振動數據中的二倍頻數據合成二倍頻軸心軌跡，該軌跡呈橢圓形，計算二倍頻軸心軌跡的離心率；根據離心率得到引起振動的原因。依照發明人所述，該方法能夠區分對中不良和測振帶晃度過大問題。由于該技術方案采用單一的離心率特征進行軸心軌跡識別，能夠識別的軸心軌跡模式有限，對不同軸心軌跡樣本不具有普適性。
[0011]現有技術三:專利申請號為CN201310361525公開的名稱為《一種轉子系統軸心軌跡進動方向自動識別方法》的發明申請，利用振動傳感器采集轉子的徑向振動信號，并通過快速傅立葉變換FFT得到幅值譜，然后采用相位差校正方法對轉子振動信號中的主要頻率成分進行校正后重構信號，最后利用重構信號合成轉子提純軸心軌跡，并由提純軸心軌跡通過局部弧段的進動方向識別得到整個軸心軌跡的進動方向。該方法以識別軸心軌跡進動方向為目標，并不對軸心軌跡對應的故障模式進行識別。
[0012]現有技術四:專利申請號為CN201010257659公開的名稱為《一種基于三維空間軸心軌跡的壓縮機軸系故障診斷方法》的發明申請，將壓縮機轉子的水平、垂直以及軸向的三維振動信號進行低通濾波，剔除高頻干擾信號，利用頻譜分析原理，合成得到三維濾波軸心軌跡。該方法以三維軸心軌跡合成為目標，并不研宄軸心軌跡的識別方法。

【發明內容】

[0013]為了能夠應用于各種旋轉機械的軸心軌跡識別，對不同軸心軌跡樣本具有自適應性，優選數量最少的有效特征參數，以最優化的特征匹配順序進行軸心軌跡識別，本發明提供了一種基于特征有效性分析的軸心軌跡智能識別方法。
[0014]本發明的技術方案是:
[0015]一種基于特征有效性分析的軸心軌跡智能識別方法，包括:
[0016]步驟I)、對軸心軌跡正常及故障的樣本數據進行識別，提取出N個特征參數，建立N個被選特征參數的可識別故障集Fi, i = 1,2,3……N;
[0017]步驟2)、計算第i個被選特征參數能夠識別的j種混合模式的數量Μ。，其中I ^ i ^ N, I ^ j ^ N，每種混合模式無法進行進一步細化識別，并且;
[0018]步驟3)、在每一種混合模式下，對Miij進行大小排序，以作為特征匹配順序；
[0019]步驟4)、輸入待識別的軸心軌跡，并對該軸心軌跡按照N個特征參數進行提取特征，得到fi;
[0020]步驟5)、根據步驟3)中得到的Miij排序，對f 1進行特征匹配。
[0021]步驟6)、對步驟5)中的特征匹配，首先執行第I輪特征匹配，特征匹配優選為聚類分析算法，按照第k個特征分布范圍，如果待識別軸心軌跡的fk在第i個模式的第k個特征分布范圍內，且第i個模式是第k個特征能夠準確識別的單一模式，則可以判斷待識別軸心軌跡為第i個模式，識別結束；如果待識別軸心軌跡的fk不在第i個模式的第k個特征分布范圍內，且第i個模式是第k個特征能夠準確識別的單一模式，則可以判斷待識別軸心軌跡不是第i個模式；如果待識別軸心軌跡的fk在第k個特征能夠識別的多種模式混合范圍(多種模式無法進一步細化識別)內，則記錄下該混合模式集；最后分別得到第I輪待識別軸心軌跡的可能混合模式集UjP不可能模式集Wp
[0022]步驟7)、對步驟6)中的特征匹配，執行下一輪特征匹配，在步驟6)的基礎上，按照第P個特征分布范圍，如果待識別軸心軌跡的fp在第w個模式的第P個特征分布范圍內，且第W個模式是第P個特征能夠準確識別的單一模式，則可以判斷待識別軸心軌跡為第W個模式，識別結束；如果待識別軸心軌跡的fp不在第W個模式的第P個特征分布范圍內，且第W個模式是第P個特征能夠準確識別的單一模式，則可以判斷待識別軸心軌跡不是第W個模式，并在步驟6)得到的不可能模式集W1中進行補充追加，得到第2輪的不可能模式集W2;如果待識別軸心軌跡的匕在第P個特征能夠識別的多種模式混合范圍(多種模式無法進一步細化識別)內，則記錄下該混合模式集U，并對該模式集U與(6)得到的可能混合模式集U1求交集，作為第2輪的可能混合