本發(fā)明涉及機電設(shè)備故障檢測技術(shù)領(lǐng)域，具體為一種機電設(shè)備非線性故障預(yù)測方法。
背景技術(shù)：
現(xiàn)代化生產(chǎn)中機械設(shè)備的故障診斷技術(shù)越來越受到重視，人們投入大量的精力進行研究，機電設(shè)備故障診斷技術(shù)取得了很大的進展，探索出一系列新的理論方法與技術(shù)應(yīng)用于實際，增加了機電設(shè)備故障診斷的效率，奠定了對機電設(shè)備實施故障診斷分析與修復(fù)的堅實基礎(chǔ)，產(chǎn)生了明顯的經(jīng)濟效益和社會效益。機電設(shè)備早期故障的微弱信號檢測一直是故障診斷領(lǐng)域的研究熱點。目前機電設(shè)備的檢測方法主要集中在兩個方面：一是利用現(xiàn)代信號處理方法對噪聲進行抑制或消除，當(dāng)噪聲頻率與信號頻率相等或接近時，該類方法在抑制噪聲的同時，亦不可避免的損傷到有用信號，極大的影響了微弱信號檢測的效果；二是利用一些非線性系統(tǒng)的自身特性對信號進行檢測，常用的非線性方法有隨機共振、混沌振子和差分振子等。隨機共振系統(tǒng)結(jié)構(gòu)參數(shù)嚴重影響著輸出結(jié)果，如何自適應(yīng)選擇系統(tǒng)參數(shù)以達到最優(yōu)輸出，始終是困擾各種隨機共振算法的難題，為此，我們提出了一種機電設(shè)備非線性故障預(yù)測方法投入使用，以解決上述問題。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于提供一種機電設(shè)備非線性故障預(yù)測方法，以解決上述背景技術(shù)中提出的隨機共振系統(tǒng)結(jié)構(gòu)參數(shù)嚴重影響著輸出結(jié)果和傳統(tǒng)的方法抑制噪聲的同時，亦不可避免的損傷到有用信號，極大的影響了微弱信號檢測的效果的問題。
為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種機電設(shè)備非線性故障預(yù)測方法，該機電設(shè)備非線性故障預(yù)測方法的具體步驟如下：
S1：利用多臺計算機監(jiān)測儀器和傳感器對機電設(shè)備的運行狀態(tài)采集狀態(tài)信號，并建立分析診斷中心；
S2：對步驟S1中采集的振動信號利用隨機共振數(shù)學(xué)模型使其降噪；
S3：提取兩個不同隨機共振輸出的結(jié)果中的相同信號頻率成分，實現(xiàn)檢測信號的并聯(lián)隨機共振檢測；
S4：利用混沌振子系統(tǒng)對噪聲的免疫特性，對并聯(lián)隨機共振輸出的信號進行檢測；
S5：利用混沌振子相圖的定量刻畫使檢測信號的客觀、自動檢測，利用不變矩定量識別混沌振子相圖的狀態(tài)，實現(xiàn)檢測信號的自動識別。
優(yōu)選的，所述步驟S1中，傳感器布置在機電設(shè)備的待監(jiān)測的關(guān)鍵節(jié)點上。
優(yōu)選的，所述步驟S2中，振動信號為低頻振動信號，利用隨機共振數(shù)學(xué)模型將振動信號中的高頻部分的能量轉(zhuǎn)移到低頻部分，使其降噪。
優(yōu)選的，所述步驟S2中，在隨機共振數(shù)學(xué)模型中采用對稱雙勢阱函數(shù)V(x)表示，式中a，b為非線性系統(tǒng)的機構(gòu)參數(shù)，對稱雙勢阱的位置為勢壘高度ΔV＝a2/(4b)，u(t)＝A sin(2πf0t)為周期正弦信號，A為幅值，n(t)為白噪聲，且滿足E[n(t)]＝0，E[n(t)n(t-τ)]＝2Dδ(τ)，D表示其噪聲強度。
優(yōu)選的，所述步驟S4中，使用混沌振子檢測器對信號進行檢測，其中檢測器表示為x″(t)+cx′(t)-x(t)+x3(t)＝f cos(ωt)，式中c為阻尼比，-x(t)+x3(t)為非線性恢復(fù)力，f cos(ωt)為周期驅(qū)動力。
優(yōu)選的，所述步驟S5中，混沌振子相圖的自動識別對于二值圖像，在R2平面上任意正整數(shù)p和q的p+q階矩為式中f(x,y)為圖像在點(x,y)上的灰度，mpq依賴于該圖像在坐標(biāo)系中的位置，不具備平移不變性，而p+q階的中心距μpq滿足平移不變性，其定義為式中為圖像的質(zhì)心。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明通過將不同結(jié)構(gòu)的隨機共振的輸出結(jié)果進行并聯(lián)隨機共振輸出，將檢測信號中的高頻部分向低頻部分輸出，減小了檢測信號的噪聲，以達到系統(tǒng)參數(shù)的最優(yōu)輸出，同時利用混沌振子能夠提前對檢測信號即將出現(xiàn)的故障進行預(yù)警，本發(fā)明算法簡單，實用性強。
附圖說明
圖1為本發(fā)明工作流程圖。
具體實施方式
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
請參閱圖1，本發(fā)明提供一種技術(shù)方案：一種機電設(shè)備非線性故障預(yù)測方法，該機電設(shè)備非線性故障預(yù)測方法的具體步驟如下：
S1：利用多臺計算機監(jiān)測儀器和傳感器對機電設(shè)備的運行狀態(tài)采集狀態(tài)信號，并建立分析診斷中心，傳感器布置在機電設(shè)備的待監(jiān)測的關(guān)鍵節(jié)點上；
S2：對步驟S1中采集的振動信號利用隨機共振數(shù)學(xué)模型使其降噪，振動信號為低頻振動信號，利用隨機共振數(shù)學(xué)模型將振動信號中的高頻部分的能量轉(zhuǎn)移到低頻部分，使其降噪，在隨機共振數(shù)學(xué)模型中采用對稱雙勢阱函數(shù)V(x)表示，式中a，b為非線性系統(tǒng)的機構(gòu)參數(shù)，對稱雙勢阱的位置為勢壘高度ΔV＝a2/(4b)，u(t)＝A sin(2πf0t)為周期正弦信號，A為幅值，n(t)為白噪聲，且滿足E[n(t)]＝0，E[n(t)n(t-τ)]＝2Dδ(τ)，D表示其噪聲強度；
S3：提取兩個不同隨機共振輸出的結(jié)果中的相同信號頻率成分，實現(xiàn)檢測信號的并聯(lián)隨機共振檢測；
S4：利用混沌振子系統(tǒng)對噪聲的免疫特性，對并聯(lián)隨機共振輸出的信號進行檢測，使用混沌振子檢測器對信號進行檢測，其中檢測器表示為x″(t)+cx′(t)-x(t)+x3(t)＝f cos(ωt)，式中c為阻尼比，-x(t)+x3(t)為非線性恢復(fù)力，f cos(ωt)為周期驅(qū)動力；
S5：利用混沌振子相圖的定量刻畫使檢測信號的客觀、自動檢測，利用不變矩定量識別混沌振子相圖的狀態(tài)，實現(xiàn)檢測信號的自動識別，混沌振子相圖的自動識別對于二值圖像，在R2平面上任意正整數(shù)p和q的p+q階矩為式中f(x,y)為圖像在點(x,y)上的灰度，mpq依賴于該圖像在坐標(biāo)系中的位置，不具備平移不變性，而p+q階的中心距μpq滿足平移不變性，其定義為式中為圖像的質(zhì)心。
盡管已經(jīng)示出和描述了本發(fā)明的實施例，對于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。