一种小波包时域信号流形学故障诊断方法

摘要

本发明涉及一种小波包时域信号流形学故障诊断方法，其步骤：对采集到的振动信号进行N层小波包分解，将振动信号分解为多层数据，生成2N个分量时域信号；对分解产生的各分量时域信号分别采用希尔伯特变换进行包络解调，获得代表故障状态的低频解调信号；对解调信号采用FIR低通滤波器消除高频噪声，并以低采样频率对各分量信号进行重采样保留低频信号；对重采样信号进行自相关计算并归一化为自相关系数，将处理后的各分层数据构造形成高维数据向量；采用t‑SNE流形学算法对高维数据向量进行降维处理，形成L×2N维矩阵，最终形成2维或3维图形，对于机电设备不同的故障形式，其最终形成的流形结构不同，进而通过流形结构的形状判断设备的故障状态。

主权项

一种小波包时域信号流形学习故障诊断方法，其特征在于，该方法包括以下步骤：1)对采集到的振动信号进行N层小波包分解，将振动信号分解为多层数据，生成2N个分量时域信号；2)对分解产生的各分量时域信号分别采用希尔伯特变换进行包络解调，获得代表故障状态的低频解调信号，该低频信号为相对于载波信号的阶次信号；3)对解调信号采用FIR低通滤波器消除高频噪声，并以低采样频率对各分量信号进行数字重采样保留低频信号；4)对重采样信号进行自相关计算并归一化为自相关系数，将处理后的各分层自相关系数向量构造形成高维数据向量，形成L×2N维矩阵，L为分量信号重采样后的数据长度；5)采用t‑SNE流形学习算法对高维数据向量进行降维处理，最终形成2维或3维图形，通过流形结果的形状判断设备的故障状态。