往复式机械空间位域信号变换方法

摘要

本发明公开了一种往复式机械空间位域信号变换方法，包括如下步骤：步骤1，通过感知任意N个传感器之间的位域信号，在往复式机械运动过程中获得某一传感器感知的局域强信号，所述传感器为N个，N大于1；步骤2，局域强信号等效为多个固定传感器采集的位域信号的线性组合，对每一个传感器所获取的位域信号进行坐标映射的空间变换；步骤3，初始化权系数矩阵，通过位域信号与传感器信号对初始权系数矩阵进行修正，利用坐标映射的空间变换信号进行位域信号重构。为往复机械故障的预警与发现振动故障提供了新的检验途径，从而为往复式机械安全运行提供了解决方案。

权利要求

1.一种往复式机械空间位域信号变换方法，其特征在于，包括如下步骤：步骤1，通过感知任意n个传感器之间的位域信号，在往复式机械运动过程中获得某一传感器感知的局域强信号，所述传感器为n个，n大于1；

步骤2，局域强信号等效为多个固定传感器采集的位域信号的线性组合，对每一个传感器所获取的位域信号进行坐标映射的空间变换；

步骤2-1，定义si向量为第i个传感器所采集的信号向量，m为信号向量的维数，即所采集信号长度，所述i大于1：T

si＝[si(0) si(1) ... si(m)] ，所述上标T指代向量转置，将n个传感器采集的信号向量写成矩阵的形式作为位域变换的一组基底，定义为基底矩阵：S＝[s1(x),s2(x),...,sn(x)]，定义位域矩阵卷积运算：

其中W(x)为权系数矩阵，由权系数向量组成，权系数向量可表示为

ai(x)定义：幅值修正系数， 定义：相位补偿系数，ai(x)＝Γ(x；xi,M,L,D,...)M为材料影响因子，L为油膜影响因子，D为尺寸影响因子，且满足性质 ai(x)∝-|x-xi|，P(x)为位域变换的结果，即位域信号矩阵，由位域成分向量pi(x)组成：P(x)＝[p1(x),p2(x),...,pn(x)]对位域信号矩阵按列求和，即得到任意坐标位置x处振动信号p(x)，即位域信号；

位域矩阵卷积运算是将W(x)每一列向量 与S相应的行向量si进行卷积运算，卷积结果即为位域成分向量pi(x)，作为列向量组成位域信号矩阵，P(x)＝[p1(x),p2(x),...,pn(x)]；

步骤3，初始化权系数矩阵，通过位域信号与传感器信号对初始权系数矩阵进行修正，利用坐标映射的空间变换信号进行位域信号重构。

2.根据权利要求1所述的往复式机械空间位域信号变换方法，其特征在于，所述步骤3包括：步骤3-1，位域空间变换的逆过程为局域信号重构，通过P(x)与S矩阵的解卷积运算，得出权系数矩阵：逆运算的过程即P(x)每一列向量与S矩阵中对应列向量进行解卷积运算，结果为W(x)矩阵中对应行向量：wi(x)＝pi(x)*-1si，

由 ai(x)＝Γ(x；xi,M,L,D,...)可知，W(x)是x,x1,x2,x3...,xn,M,L,D,...的函数，即W(x)＝f(x；x1,x2,x3...,xn,M,L,D,...)定义为f(x；x1,x2,x3...,xn,M,L,D,...)为重构函数，其中x是函数f的自变量，而x1,x2,x3...,xn,M,L,D,...为函数的参数，M为材料影响因子，L为油膜影响因子，D为尺寸影响因子，当机械系统是确定的并固定传感器位置后，函数的参数即是确定不变的，但是M,L,D,...参数是未知的，对于函数参数M,L,D,...的确定方法为：使用一个额外传感器固定安置在任意新位置x＝xn+1并采集振动数据p(xn+1)，对信号p(xn+1)有：由此可得位域信号矩阵P(x)，

按照多元高斯分布建立模型假设hθ(x)＝E[y＝w(x)|x；θ],其中θ＝[M,L,D...]T表示参数的集合，(1) (1) (i) (i)

则样本(x ,y )(x ,y )服从多元高斯分布，定义似然函数 求θ使得似然函数取得最大值，对似然函数取对数 对对数似然函数求导利用梯度下降法求取该函数极值以及该位置处θ向量，进行位域空间变换的逆过程即局域信号重构计算得出W(xn+1)，使用梯度下降法/牛顿迭代法利用所求W(xn+1)，对函数参数M,L,D,...进行拟合求解。

3.根据权利要求2所述的往复式机械空间位域信号变换方法，其特征在于，所述步骤3还包括：步骤3-2，定义算子，算子表达式为：

该算子通过坐标位置x与多传感器信号输入的运算计算得出x坐标位置的期望信号输入，该算子的将W(x)矩阵与S矩阵进行矩阵卷积运算，并对结果矩阵按列求和计算得出信号向量p(x)

说明书

往复式机械空间位域信号变换方法

技术领域

[0001] 本发明涉及自动化领域，尤其涉及一种往复式机械空间位域信号变换方法。

背景技术

[0002] 往复式机械装置广泛应用于工农业生产和军事装备中，作为系统的核心构件发挥着非常重要的作用。然而，往复构件常常在高温、高压、变速和强振动的恶劣工况下运行，导致其极易发生故障，引起机械设备事故，造成重大经济损失甚至人员伤亡。由于旋转构件结构复杂、振动源多，其故障特征具有隐蔽性，叠加性和不确定性，为早期故障的正确识别和预示带来了困难。

[0003] 目前，针对往复机械故障信号的处理方法，国内外学者已经进行了大量的研究工作。

[0004] 1、一些学者针对往复机械的非平稳特性提出基于相位信号的检测方法将发动机气缸振动信号，超声波信号，点火电压信号，气缸压力信号使用相同的相位坐标表示，以便于提取故障信息。

[0005] 2、利用D-S证据理论，利用了振动故障信号的多个特征，增加了证据体数量以提升故障诊断结果的可靠性。

[0006] 3、改进LMD分解，提出了总体局部均值分解方法，通过信号在时频域的分解来提取故障特征。

[0007] 前述方法都采用固定位置的传感器采集的加速度信号作为分析对象，实际情况中故障位置极有可能发生变化，当故障发生位置远离传感器位置时，由于传递路径复杂，传感器采集信号中故障特征已经衰减无法有效提取。同时，已有的信号分解方法将信号分解为固定基底的线性组合。这种分解方法缺少对不同故障类型的自适应性。所以亟需本领域技术人员解决相应的技术问题。

发明内容

[0008] 本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种往复式机械空间位域信号变换方法。

[0009] 为了实现本发明的上述目的，本发明提供了一种往复式机械空间位域信号变换方法，其关键在于，包括如下步骤：

[0010] 步骤1，通过感知任意N个传感器之间的位域信号，在往复式机械运动过程中获得某一传感器感知的局域强信号，所述传感器为N个，N大于1；

[0011] 步骤2，局域强信号等效为多个固定传感器采集的位域信号的线性组合，对每一个传感器所获取的位域信号进行坐标映射的空间变换；

[0012] 步骤3，初始化权系数矩阵，通过位域信号与传感器信号对初始权系数矩阵进行修正，利用坐标映射的空间变换信号进行位域信号重构。

[0013] 所述的往复式机械空间位域信号变换方法，优选的，所述步骤2包括：

[0014] 步骤2-1，定义si向量为第i个传感器所采集的信号向量，m为信号向量的维数，即所采集信号长度，所述i大于1：

[0015] si＝[si(0) si(1) ... si(m)]T，所述上标T指代向量转置，

[0016] 将n个传感器采集的信号向量写成矩阵的形式作为位域变换的一组基底，定义为基底矩阵：

[0017] S＝[s1(x),s2(x),...,sn(x)]，

[0018] 定义位域矩阵卷积运算：

[0019]

[0020] 其中W(x)为权系数矩阵，由权系数向量组成，

[0021]

[0022] 权系数向量可表示为

[0023] ai(x)定义：幅值修正系数(标量)， 定义：相位补偿系数(向量)，

[0024] ai(x)＝Γ(x；xi,M,L,D,...)

[0025] M为材料影响因子，L为油膜影响因子，D为尺寸影响因子，且满足性质ai(x)∝-|x-xi|，

[0026] P(x)为位域变换的结果，即位域信号矩阵，由位域成分向量pi(x)组成：

[0027]

[0028] P(x)＝[p1(x),p2(x),...,pn(x)]

[0029] 对位域信号矩阵按列求和，即得到任意坐标位置x处振动信号p(x)，即位域信号；

[0030]

[0031] 位域矩阵卷积运算是将W(x)每一列向量 与S相应的行向量si进行卷积运算，

[0032] pi(x)＝wi(x)*si，

[0033] 卷积结果即为位域成分向量pi(x)，作为列向量组成位域信号矩阵，

[0034] P(x)＝[p1(x),p2(x),...,pn(x)]。

[0035] 所述的往复式机械空间位域信号变换方法，优选的，所述步骤3包括：

[0036] 步骤3-1，所述位域空间变换的逆过程为局域信号重构，通过P(x)与S矩阵的解卷积运算，得出权系数矩阵:

[0037]

[0038] 逆运算的过程即P(x)每一列向量与S矩阵中对应列向量进行解卷积运算，结果为W(x)矩阵中对应行向量：

[0039] wi(x)＝pi(x)*-1si，

[0040] 由 ai(x)＝Γ(x；xi,M,L,D,...)可知，W(x)是x,x1,x2,x3...,xn,M,L,D,...的函数，即

[0041] W(x)＝f(x；x1,x2,x3...,xn,M,L,D,...)

[0042] 定义为f(x；x1,x2,x3...,xn,M,L,D,...)为重构函数，其中x是函数f的自变量，而x1,x2,x3...,xn,M,L,D,...为函数的参数，M为材料影响因子，L为油膜影响因子，D为尺寸影响因子，当机械系统是确定的并固定传感器位置后，函数的参数即是确定不变的，但是M,L,D,...等参数是未知的

[0043] 对于函数参数M,L,D,...的确定方法为：

[0044] 使用一个额外传感器固定安置在任意新位置x＝xn+1并采集振动数据p(xn+1)，对信号p(xn+1)有：

[0045]

[0046] 由此可得位域信号矩阵P(x)，通过P(x)与S矩阵的解卷积运算，得出权系数矩阵:

[0047]

[0048] 逆运算的过程即P(x)每一列向量与S矩阵中对应列向量进行解卷积运算，结果为W(x)矩阵中对应行向量：

[0049] wi(x)＝pi(x)*-1si，

[0050] 按照多元高斯分布建立模型假设hθ(x)＝E[y＝w(x)|x；θ],其中θ＝[M,L,D...]T表示参数的集合，

[0051] 则样本(x(1),y(1))(x(i),y(i))服从多元高斯分布，

[0052] 定义似然函数 求θ使得似然函数取得最大值，

[0053] 对似然函数取对数 对对数似然函数求导利用梯度下降法求取该函数极值以及该位置处θ向量，

[0054] 进行位域空间变换的逆过程即局域信号重构计算得出W(xn+1)，使用梯度下降法/牛顿迭代法利用所求W(xn+1)，(此时W(xn+1)，xn+1,x1,x2,x3...,xn均为已知量)对函数参数M,L,D,...进行拟合求解。

[0055] 所述的往复式机械空间位域信号变换方法，优选的，所述步骤3还包括：

[0056] 步骤3-2，定义算子，算子表达式为：

[0057]

[0058] 该算子通过坐标位置x(标量)与多传感器信号输入(矩阵)的运算计算得出x坐标位置的期望信号输入。该算子的将W(x)矩阵与S矩阵进行矩阵卷积运算，并对结果矩阵按列求和计算得出信号向量p(x)

[0059]

[0060] 综上所述，由于采用了上述技术方案，本发明的有益效果是：

[0061] 本方法针对故障信号的叠加性与故障位置不确定的特点，通过位置传感器信号进行矩阵卷积后信号的叠加来表示机械结构任意位置的局域强信号，该信号能更凸显故障特征信息，为往复机械故障的预警与发现振动故障提供了新的检验途径，从而为往复式机械安全运行提供了解决方案。

[0062] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0063] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

[0064] 图1是本发明往复式机械空间位域信号变换方法机械示意图；

[0065] 图2是本发明往复式机械空间位域信号变换方法具体流程图；

[0066] 图3是本发明往复式机械空间位域信号变换方法具体流程图。

具体实施方式

[0067] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

[0068] 在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0069] 在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

[0070] 如图1所示，往复式机械设备通过N个传感器放置在机械设备筒壁上，和1个附加传感器放置在往复运动机械上，以机械设备上布置的第一个传感器H1位置作为坐标原点，定义第i+1个传感器与坐标原点的垂直方向或水平方向距离为xi。

[0071] 所谓位域信号是：在距离坐标原点位置x处的传感器所能感知的信号，即称为该位置区域的位域信号，可用p(x)表示。

[0072] 所谓局域强信号是：运动物体通过某一传感器位置所能感知的最强信号称为局域强信号。

[0073] 所谓位域空间变换：就是将各位置序列传感器所感知的局域强信号，经空间变换映射到某一确定空间位置来表示该位置空间的真实信号。

[0074] 该变换将位域信号等效为多个固定传感器采集的局域强信号的矩阵卷积和，每一个传感器所获取信号均为位域信号的一个隐含成分，作为变换的基底。

[0075] 所谓位域信号重构，即通过位域信号与传感器信号计算得出权系数矩阵W(x)，该矩阵包含信号重构中所需的所有权系数向量，是系统固有特征的数值表示，与传感器的布置，机械装置的尺寸，材料等因素相关。

[0076] 如图2、3所示，基于基底变换的位域空间变换方法如下：

[0077] 定义si向量为第i个传感器所采集的信号向量，m为信号向量的维数，即所采集信号长度：

[0078] si＝[si(0) si(1) ... si(m)]T。

[0079] 将n个传感器采集的信号向量写成矩阵的形式作为位域变换的一组基底，定义为基底矩阵：

[0080] S＝[s1(x),s2(x),...,sn(x)]

[0081] 定义位域矩阵卷积运算：

[0082]

[0083] 其中W(x)为权系数矩阵，有权系数向量组成

[0084]

[0085] 权系数向量可表示为

[0086] ai(x)定义：幅值修正系数(标量)， 定义：相位补偿系数(向量)。

[0087]

[0088] ai(x)＝Γ(x；xi,M,L,D,...)

[0089] M为材料影响因子，L为油膜影响因子，D为尺寸影响因子，且满足性质(变换后信号能量不变)，ai(x)∝-|x-xi|(距离x越远的传感器所能提供的信息越少)。

[0090] P(x)为位域变换的结果，为位域信号矩阵，有位域成分向量pi(x)组成：

[0091]

[0092] P(x)＝[p1(x),p2(x),...,pn(x)]

[0093] 对位域信号矩阵按列求和，即得到任意坐标位置x处振动信号p(x)，即位域信号。

[0094]

[0095] 位域矩阵卷积运算是将W(x)每一列向量 与S相应的行向量si进行卷积运算：

[0096] pi(x)＝wi(x)*si

[0097] 卷积结果即为位域成分向量pi(x)，作为列向量组成位域信号矩阵：

[0098] P(x)＝[p1(x),p2(x),...,pn(x)]。

[0099] 以上过程即为位域空间变换，该变换本质是n×m维信号矩阵空间Rn×m中点到点的映射，实现了由多个局部域信号向位域信号的转换。

[0100] 而其逆过程则为局域信号重构，通过P(x)与S矩阵的解卷积运算，得出权系数矩阵:

[0101]

[0102] 逆运算的过程即P(x)每一列向量与S矩阵中对应列向量进行解卷积运算，结果为W(x)矩阵中对应行向量：

[0103] wi(x)＝pi(x)*-1si

[0104] 由 ai(x)＝Γ(x；xi,M,L,D,...)可知，W(x)是x,x1,x2,x3...,xn,M,L,D,...的函数，即

[0105] W(x)＝f(x；x1,x2,x3...,xn,M,L,D,...)

[0106] 定义为f(x；x1,x2,x3...,xn,M,L,D,...)为重构函数，其中x是函数f的自变量，而x1,x2,x3...,xn,M,L,D,...为函数的参数，M为材料影响因子，L为油膜影响因子，D为尺寸影响因子。当机械系统是确定的并固定传感器位置后，函数的参数即是确定不变的，但是M,L,D,...等参数是未知的

[0107] 对于函数参数M,L,D,...的确定方法：

[0108] 使用一个额外传感器固定安置在任意新位置x＝xn+1并采集振动数据p(xn+1)，对信号p(xn+1)有：

[0109]

[0110] 由此可得位域信号矩阵P(x)，通过P(x)与S矩阵的解卷积运算，得出权系数矩阵：

[0111]

[0112] 逆运算的过程即P(x)每一列向量与S矩阵中对应列向量进行解卷积运算，结果为W(x)矩阵中对应行向量：

[0113] wi(x)＝pi(x)*-1si

[0114] 按照多元高斯分布建立模型假设hθ(x)＝E[y＝w(x)|x；θ],其中θ＝[M,L,D...]T表示参数的集合

[0115] 则样本(x(1),y(1))(x(i),y(i))服从多元高斯分布

[0116] 定义似然函数 求θ使得似然函数取得最大值。

[0117] 对似然函数取对数 对对数似然函数求导利用梯度下降法求取该函数极值以及该位置处θ向量。

[0118] 进行位域空间变换的逆过程即局域信号重构计算得出W(xn+1)，使用梯度下降法/牛顿迭代法利用所求W(xn+1)，(此时W(xn+1)，xn+1,x1,x2,x3...,xn均为已知量)对函数参数M,L,D,...进行拟合求解。

[0119] 根据上述运算过程定义为算子，算子表达式为：

[0120]

[0121] 该算子通过坐标位置x(标量)与多传感器信号输入(矩阵)的运算计算得出x坐标位置的期望信号输入。该算子的将W(x)矩阵与S矩阵进行矩阵卷积运算，并对结果矩阵按列求和计算得出信号向量p(x)

[0122]

[0123] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0124] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。