发明名称 |
一种基于EMD-SVD与MTS的机械磨损件性能评估与预测方法 |
摘要 |
本发明提供了一种基于EMD-SVD与MTS的机械磨损件性能评估与预测方法,属于机械磨损件故障诊断技术领域。首先对采集的被监测对象的信号进行降噪处理,然后对信号进行EMD分解,选取有效的IMF分量和剩余函数组成初始矩阵,对初始矩阵进行奇异值分解,对得到的特征值进行归一化处理得到特征向量;然后利用MTS方法计算马氏距离,并利用田口方法对特征向量进行优化和约减;将马氏距离转化为置信值,通过跟踪置信值的趋势对机械磨损件的性能进行评估,通过被监测对象置信值与工况的关系模型或匹配矩阵,对故障进行预测。本发明避免了现有方法处理非线性非平稳信号易出现错误的问题,适合应用于工业实时监测,减少故障发生几率。 |
申请公布号 |
CN103674511B |
申请公布日期 |
2016.06.22 |
申请号 |
CN201310553759.8 |
申请日期 |
2013.11.08 |
申请人 |
北京航空航天大学 |
发明人 |
贝继坤;吕琛;王志鹏;王自力 |
分类号 |
G01M13/00(2006.01)I |
主分类号 |
G01M13/00(2006.01)I |
代理机构 |
北京永创新实专利事务所 11121 |
代理人 |
祗志洁 |
主权项 |
一种基于经验模态分解(EMD)‑奇异值分解(SVD)与马田系统(MTS)的机械磨损件性能评估与预测方法,其特征在于,包括如下步骤:步骤一、采集被监测对象信号,对采集的信号进行降噪处理;步骤二、对步骤一得到的信号进行特征提取,具体是:首先,对信号进行经验模态分解,得到n个本征模函数(IMF)分量和剩余函数;其次,选取有效的IMF分量和剩余函数组成初始矩阵A;然后,对初始矩阵A进行奇异值分解,得到信号的特征值;最后,对特征值进行归一化处理,得到信号归一化后的特征向量;步骤三、利用被监测对象正常状态下得到的特征向量构建马氏距离基准空间,然后利用测试数据计算马氏距离;并利用田口方法对特征向量进行优化和约减;步骤四、将马氏距离通过归一化函数转化为置信值,通过跟踪置信值的趋势对机械磨损件的性能进行评估;步骤五、收集被监测对象全寿命的马氏距离、置信值数据及工况信息,建立对应的关系模型或匹配矩阵;通过所建立的关系模型或匹配矩阵,对被监测对象的马氏距离及置信值趋势做出预测,实现对故障的预测;步骤六、实时采集被监测对象信号,将所采集的信号进行降噪处理后,经过步骤二进行特征提取,经过步骤三计算对应的马氏距离,在步骤四中,根据该马氏距离对被监测对象的性能进行评估,在步骤五中对故障进行预测。 |
地址 |
100191 北京市海淀区学院路37号 |