基于应力波脉冲串分峰解调的故障预警方法及系统与流程

1.本发明涉及一种故障预警方法及系统，尤其是一种基于应力波脉冲串分峰解调的故障预警方法及系统。


背景技术：

2.应力波是应力和应变扰动的传播形式，在可变形固体介质中，机械扰动表现为质点速度的变化和相应的应力、应变状态的变化；当应力、应变状态的变化以波的方式传播时，即形成应力波。
3.对常见的振动传感器，一般通过平坦的频率响应(如100mv/g)来检测宽范围的频率(如0-15000hz)，因此，在故障早期，对机器摩擦的轻微变化不敏感，只有在故障恶化之后，振动水平被激发到显著高于背景，振动传感器才能检测到异常。
4.应力波传感器是一种压电式的加速度振动传感器，但有一个很窄的频率范围(如30000-45000hz)和非常高的频率响应(如共振)，且在共振范围内的频响增益进行过挑选和控制，因此，对机械表面的小缺陷非常敏感，一致性较好。
5.在设备零部件破坏过程的早期阶段，故障的频率高但噪音低，采用应力波分析时，可以从工作机械振动和可听噪声非常低的频率范围内，分离检测和分析应力波特征，因此，在监视设备齿轮和轴承等损坏时，发挥无可比拟的作用。
6.然而，现有方法所获取的应力波特征，是摩擦、机械冲击和动态载荷等多事件耦合的应力波脉冲串信号，属于多个应力波脉冲耦合叠加的特征信号，不能真实反映单一摩擦或单一机械冲击事件的本质，脉冲峰值的特征发生了失真，影响了设备故障预警和故障诊断的准确性。


技术实现要素：

7.本发明的目的是克服现有技术中存在的不足，提供一种基于应力波脉冲串分峰解调的故障预警方法及系统，其提高基于应力波故障预警的精度以及适应范围。
8.按照本发明提供的技术方案，一种基于应力波脉冲串分峰解调的故障预警方法，所述故障预警方法包括：
9.对一待故障预警的设备，获取所述设备的应力波信号；
10.对所获取的应力波信号进行包络检波处理，以得到应力波包络检波信号；
11.对应力波包络检波信号，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理，以在分峰解调处理后，生成应力波脉冲信号；
12.对生成的应力波脉冲信号进行数据压缩，以生成应力波脉冲压缩矩阵，其中，所述应力波脉冲压缩矩阵包括应力波能量、脉冲能量以及最大峰高；
13.配置所述设备的预警量级阈值矩阵the，其中，所述预警量级阈值矩阵the包括应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值；
14.在故障预警时，将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比
对，以基于正对应比对状态生成故障预警状态信息。
15.将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比对时，则有：
16.将应力波能量、脉冲能量、最大峰高分别与应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值进行一一比对，对任一比对，均生成一比对信息，其中，
17.当存在至少一个比对信息为与预警阈值匹配时，则生成的故障预警状态信息为故障预警状态。
18.对获取的应力波信号，利用带通滤波器进行滤波，以在滤波后生成应力波滤波去噪后信号；
19.对应力波滤波去噪后信号进行包络检波处理，以得到应力波包络检波信号。
20.基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理时，包括：
21.对飞蛾火焰算法初始化，其中，初始化时，配置飞蛾的种群规模q、最大迭代次数t0、螺旋线的形状常数η，对飞蛾种群中的任一飞蛾，所述飞蛾的位置信息θ包括n组位置参量，n为基于应力波包络检波信号得到的分峰数量，每一组位置参量与一高斯混合模型对应；
22.初始化后，随机生成飞蛾种群，并基于随机生成的飞蛾种群进行飞蛾火焰算法的迭代处理步骤，其中，
23.在每次的迭代处理步骤中，基于飞蛾种群内每个飞蛾的位置信息θ确定所述飞蛾的适应度值f(θ)，并在确定飞蛾种群内每个飞蛾的适应度值f(θ)后，基于所配置的火焰数量更新函数fn更新火焰的数量、利用对数螺旋函数更新飞蛾的位置以及火焰的位置，并累加迭代次数；
24.重复上述迭代处理步骤，直至迭代次数与最大迭代次数t0适配；当迭代处理的次数与最大迭代次数t0适配后，确定飞蛾种群内的最优飞蛾位置，其中，
25.基于所确定的最优飞蛾位置，将所述最优飞蛾位置内的一组位置参量作为每个高斯峰的权重、均值和标准差，基于所有的高斯峰生成对应的力波脉冲信号。
26.对任一飞蛾的适应度值f(θ)，则有：
[0027][0028]
其中，n为应力波包络检波信号x(t)内数据点的数量，x(ti)为应力波包络检波信号x(t)内ti时刻对应的数据点，p(x(ti)|θ)为数据点x(ti)归属于一位置参量对应高斯混合模型的概率，αk为位置信息θ内的第k个权重，uk为位置信息θ内的第k个均值，f
σ
(k)为位置信息θ内的第k个标准差。
[0029]
在迭代处理步骤中，将所有飞蛾的适应度值f(θ)按递增排序，并将排序后的适应度值f(θ)以及与适应度值f(θ)相对应的飞蛾位置信息θ配置作为火焰的空间位置。
[0030]
对火焰数量更新函数fn，则有：
[0031][0032]
利用对数螺旋函数更新飞蛾的位置，则有：
[0033][0034]
其中，t为当前迭代次数，round为四舍五入取整运算，m
α
为第α个飞蛾，f
β
为第β个火焰，λ是[-1，1]内的随机数；s(m
α
，f
β
)为第α个飞蛾mα与第β个火焰f
β
之间的对数螺旋函数。
[0035]
基于获取应力波信号的时间窗w，对每个时间窗w，在生成应力波脉冲压缩矩阵时，则有：
[0036][0037]
其中，swe为应力波脉冲信号s(t)的应力波能量，swpe为应力波脉冲信号s(t)的脉冲能量，swpa为应力波脉冲信号s(t)的最大峰高；k为应力波脉冲的编号，l为在时间窗w期间高于应力波脉冲信号s(t)最小值的限制阈值，第k个应力波脉冲是第k次上升到限制阈值l到下次又下降到限制阈值l之间的应力波脉冲信号s(t)，tsk和tek分别为第k个应力波脉冲的起止时刻。
[0038]
配置设备的预警量级阈值矩阵the，包括：
[0039]
获取设备在健康状态下的应力波信号，并基于所述健康状态下的应力波信号生成健康状态下应力波脉冲压缩矩阵，其中，
[0040]
健康状态下应力波脉冲压缩矩阵的大小为3
×
r，对健康状态下应力波脉冲压缩矩阵的每一列，为基于一健康状态下应力波信号的应力波能量、脉冲能量以及最大峰高；
[0041]
对健康状态下应力波脉冲压缩矩阵，计算每行元素的均值以及标准差，以形成健康状态下应力波能量均值、健康状态下脉冲能量均值、健康状态下最大峰高均值、健康状态下应力波能量标准差、健康状态下脉冲能量标准差以及健康状态下最大峰高标准差；
[0042]
将健康状态下应力波能量均值与数倍健康状态下应力波能量标准差的累加，以将累加和配置作为应力波能量预警阈值；
[0043]
将健康状态下的应力波脉冲能量均值与数倍健康状态下脉冲能量标准差的累加，以将累加和配置作为脉冲能量预警阈值；
[0044]
将健康状态下最大峰高均值与数倍健康状态下最大峰高标准差累加，以将累加和配置作为最大峰高预警阈值。
[0045]
一种基于应力波脉冲串分峰解调的故障预警系统，包括故障预警处理器，其中，
[0046]
对任一设备，获取所述设备的应力波信号，故障预警处理器采用上述所述的故障预警方法进行故障预警。
[0047]
本发明的优点：对应力波包络检波信号，采用飞蛾火焰算法对信号重叠峰进行分
峰解调，以能得到应力波脉冲信号，生成应力波脉冲信号时的分解精度较高，且避免了初值设定不当带来的局部收敛问题，同时也克服了对原先有用数据的破坏，对生成的应力波脉冲信号，生成应力波脉冲压缩矩阵，利用应力波脉冲压缩矩阵可实现数据压缩，提高数据传输的速度，便于进行故障预警以及故障报警的比对，从而可提高基于应力波故障预警的精度以及适应范围。
附图说明
[0048]
图1为本发明进行故障预警的一种实施例示意图。
[0049]
图2为本发明高斯峰的一种实施例示意图。
[0050]
图3为本发明利用高斯峰生成应力波脉冲信号的一种实施例。
[0051]
图4为本发明限制阈值l的一种实施例示意图。
具体实施方式
[0052]
下面结合具体附图和实施例对本发明作进一步说明。
[0053]
为了提高基于应力波故障预警的精度以及适应范围，对基于应力波脉冲串分峰解调的故障预警方法，本发明的一种实施例中，所述故障预警方法包括：
[0054]
对一待故障预警的设备，获取所述设备的应力波信号；
[0055]
对所获取的应力波信号进行包络检波处理，以得到应力波包络检波信号；
[0056]
对应力波包络检波信号，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理，以在分峰解调处理后，生成应力波脉冲信号；
[0057]
对生成的应力波脉冲信号进行数据压缩，以生成应力波脉冲压缩矩阵，其中，所述应力波脉冲压缩矩阵包括应力波能量、脉冲能量以及最大峰高；
[0058]
配置所述设备的预警量级阈值矩阵the，其中，所述预警量级阈值矩阵the包括应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值；
[0059]
在故障预警时，将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比对，以基于正对应比对状态生成故障预警状态信息。
[0060]
具体地，对待故障预警的设备，所述设备可为大包回转台等低速重载设备，当然，也可以为其他能适于获取应力波信号的设备，待故障预警设备的类型等可根据需要选择。一般地，通过应力波传感器获取应力波信号，应力波传感器一般可安装于设备的轴承、齿轮箱等运动部件附近的表面，设备运行时，通过运行设备构件传输的摩擦、机械冲击和动态载荷可产生应力波，此时，可通过应力波传感器实现所述应力波信号的获取。
[0061]
应力波传感器可采用本技术领域常用获取应力波信号的形式，当然，利用应力波传感器获取应力波信号时，一般还需要设置采样的频率以及采样的时间窗w，采样频率以及时间窗w可根据实际需要选择。在配置应力波传感器的工作状态后，利用应力波传感器即可获取一与时间相关的应力波信号r(t)，t为采样时间。
[0062]
对获取的应力波信号r(t)，宜先进行滤波去噪处理，本发明一种实施例中，对获取的应力波信号，利用带通滤波器进行滤波，以在滤波后生成应力波滤波去噪后信号；
[0063]
对应力波滤波去噪后信号进行包络检波处理，以得到应力波包络检波信号。
[0064]
具体地，利用带通滤波器进行滤波处理的形式，可表达为：
[0065][0066]
其中，q(t)为利用带通滤波器进行滤波后生成的应力波滤波去噪后信号，h(jω)为带通滤波器，k(jω)为带通滤波器中心频率ω0处的增益，ω0为带通滤波器的中心频率，q为带通滤波器的品质因数，品质因数q与带宽有关，品质因数q越大，带通滤波器的带宽越小；j为复数，ω为频率。对带通滤波器的中心频率ω0，一般可为应力波信号的低频率与高频率的均值，带通滤波器的参数可基于应力波信号的特性，采用本技术领域常用的技术手段设计或配置得到，具体以能使得配置的带通滤波器对应力波信号进行有效滤波去噪为准。
[0067]
在得到应力波滤波去噪后信号后，需要对所述应力波滤波去噪后信号进行包络检波处理，以在包络检波处理后生成应力波包络检波信号。具体实施时，可对应力波滤波去噪后信号采用hilbert变换，以在经hilbert变换后得到应力波包络检波信号，具体可表示为：
[0068]
x(t)＝hilbert[q(t)]
[0069]
＝{x(t1),x(t2),
…
,x(tn)}
[0070]
其中，x(t)即为应力波包络检波信号，hilbert为hilbert变换，x(t1)为t1时刻的包络检波数据点，x(tn)为tn时刻的包络检波数据点。
[0071]
应力波包络检波信号x(t)内具有n个包络检波数据点，包络检波数据点的数量n一般与应力波滤波去噪后信号q(t)相关。当然，在具体实施时，还可以采用其他技术手段实现包络检波，具体包络检波的方式可根据需要选择，以能生成应力波包络检波信号为准。对t1时刻的包络检波数据点x(t1)，具体是指在t1时刻的应力波信号幅值大小；对tn时刻的包络检波数据点x(tn)，具体是指在tn时刻的应力波信号幅值大小，其余的情况依次类推，此处不再一一列举说明。
[0072]
本发明的一种实施例中，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理时，包括：
[0073]
对飞蛾火焰算法初始化，其中，初始化时，配置飞蛾的种群规模q、最大迭代次数t0、螺旋线的形状常数η，对飞蛾种群中的任一飞蛾，所述飞蛾的位置信息θ包括n组位置参量，每一组位置参量与一高斯混合模型对应，n为基于应力波包络检波信号得到的分峰数量；
[0074]
初始化后，随机生成飞蛾种群，并基于随机生成的飞蛾种群进行飞蛾火焰算法的迭代处理步骤，其中，
[0075]
在每次的迭代处理步骤中，基于飞蛾种群内每个飞蛾的位置信息θ确定所述飞蛾的适应度值f(θ)，并在确定飞蛾种群内每个飞蛾的适应度值f(θ)后，基于所配置的火焰数量更新函数fn更新火焰的数量、利用对数螺旋函数更新飞蛾的位置以及火焰的位置，并累加迭代次数；
[0076]
重复上述迭代处理步骤，直至迭代次数与最大迭代次数t0适配；当迭代处理的次数与最大迭代次数t0适配后，确定飞蛾种群内的最优飞蛾位置，其中，
[0077]
基于所确定的最优飞蛾位置，将所述最优飞蛾位置内的一组位置参量作为每个高斯峰的权重、均值和标准差，基于所有的高斯峰生成对应的力波脉冲信号。
[0078]
具体地，采用基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理时，需要对飞蛾火焰算法进行初始化，在初始化时，一般需要配置飞蛾的种群规模q，也即需要初始化飞蛾的数量以及对应火焰的数量。最大迭代次数t0，具体是指进行飞蛾火焰算法的最大迭代次数，种群规模q以及最大迭代次数t0一般可根据实际应用的场景需求选择确定。一般地，种群规模q设定范围在30到50之间，最大迭代次数t0设定范围为30到50之间，螺旋形状常数η设定范围为1到1.5之间。
[0079]
对于一飞蛾的位置信息θ，则有：θ＝[α μ f
σ
]，其中，α为权重，α＝[α1,α2…
αn]
t
，权重α内每个子权重的取值范围为[0.01,1]；μ为均值，μ＝[μ1,μ2…
μn]
t
，f
σ
为标准差，f
σ
＝[f
σ
(1),f
σ
(2)
…fσ
(n)]
t
。
[0080]
对应力波包络检波信号x(t)，则有：具体实施时，根据应力波包络检波信号x(t)内的n个包络检波数据点计算得到包络检波信号均值μa与包络检波信号标准差f
σa
。根据计算得到的包络检波信号均值μa，可确定位置信息θ内均值μ内元素的取值范围，均值μ内元素的取值范围即为0～μa。同理，根据计算得到的包络检波信号标准差f
σa
，可确定位置信息θ内标准差f
σ
内元素的取值范围，标准差f
σ
内元素的取值范围即为0～f
σa
。
[0081]
由上述说明可知，在权重α、均值μ、标准差f
σ
相应的取值范围内，可采用随机取值的方式生成位置信息θ内权重α、均值μ、标准差f
σ
相应的值，在生成位置信息θ内的权重α、均值μ、标准差f
σ
内相应的值后，即可生成每一个飞蛾的位置信息θ。
[0082]
对随机生成飞蛾的位置信息θ中，[α1,μ1,f
σ
(1)]构成一组位置参量，[α2,μ2,f
σ
(2)]构成一组位置参量，其他位置参量的情况可参考此处说明得到，也即共有n组位置参量，也即在位置信息θ中可依次选择权重α、均值μ与标准差f
σ
内相对应的元素形成一组位置参量。具体地，一组位置参量与一高斯混合模型的参数对应，具体是指基于一组位置参量内权重、均值和标准差可形成一高斯混合模型，因此，基于一组位置参量可生成一高斯峰。
[0083]
对飞蛾火焰算法，在初始化后，需要进行迭代处理。在迭代处理步骤中，需要将当前迭代次数t与最大迭代次数t0比较，在当前迭代次数t小于最大迭代次数t0时，则需要重复迭代处理步骤，也即飞蛾火焰算算法的终止条件即为当前迭代次数t达到最大迭代次数t0，此时，即为迭代次数与最大迭代次数t0适配。
[0084]
由上述说明可知，在首次迭代前或首次迭代开始时，随机生成飞蛾种群后，则可根据每个飞蛾的位置信息θ确定所述飞蛾的适应度值f(θ)。
[0085]
本发明的一种实施例中，对任一飞蛾的适应度值f(θ)，则有：
[0086][0087]
其中，n为应力波包络检波信号x(t)内数据点的数量，x(ti)为应力波包络检波信号x(t)内ti时刻对应的数据点，p(x(ti)θ)为数据点x(ti)归属于一位置参量对应高斯混合模型的概率，αk为位置信息θ内的第k个权重，uk为位置信息θ内的第k个均值，f
σ
(k)为位置信息θ内的第k个标准差。
[0088]
具体地，应力波包络检波信号x(t)的情况可参考上述说明，对于分峰数量n，可根据应力波包络检波信号x(t)的极大值数量确定或生成，应力波包络检波信号x(t)的极大值数量可采用本技术领域的极大值判定方式判断后得到。权重αk具体是指在一位置信息θ内，权重α内的第k个权重值，第k个权重值αk的具体情况可参考上述位置信息θ以及权重α的说明，同理，可确定第k个均值uk以及第k个标准差f
σ
(k)。
[0089]
由上述说明可知，在初始化后，还无法确定火焰的位置。在飞蛾火焰算法中，初始化时，火焰的数量一般与飞蛾的数量相一致。本发明的一种实施例中，对初始化后的首次迭代，将所有飞蛾的适应度值f(θ)按递增排序，并将排序后的适应度值f(θ)以及适应度值f(θ)相对应的飞蛾位置信息θ作为火焰的初始空间位置。
[0090]
将适应度值f(θ)按递增排序后，此时，将排序后第一个飞蛾的位置信息θ以及相应的(也即最小的适应度值)适应度值f(θ)同时赋予一火焰，以作为第一个火焰的初始空间位置；其他火焰的初始空间位置可采用相同的方式进行配置，也即得到所有火焰的空间位置。
[0091]
迭代中，配置所有火焰的空间位置后，对火焰数量更新函数fn，则有：
[0092][0093]
利用对数螺旋函数更新飞蛾的位置，则有：
[0094][0095]
其中，t为当前迭代次数，round为四舍五入取整运算，m
α
为第α个飞蛾，f
β
为第β个火焰，λ是[-1,1]内的随机数；s(m
α
,f
β
)为第α个飞蛾m
α
与第β个火焰f
β
之间的对数螺旋函数。
[0096]
上述中，对数螺旋函数用于模拟飞蛾螺旋飞行的路径，飞蛾更新的下一个位置由其围绕的火焰确定，随机数λ表征飞蛾的旋转方向。具体实施时，基于对数螺旋函数更新飞蛾位置的方式以及过程均与现有相一致。
[0097]
进一步地，由上述说明可知，在首次迭代处理步骤(此时，t＝1)中，基于火焰的初始空间位置以及随机生成飞蛾种群的位置信息，更新飞蛾的位置以及火焰位置。在第二次迭代处理步骤(此时，t＝2)中，基于首次迭代后对火焰以及飞蛾更新的位置进行再次位置
更新，后续迭代的情况可参考此处的说明。
[0098]
通过火焰数量更新函数fn即能得到每次更新后的火焰数量，也即随着迭代的进行火焰的数量会逐步减少，但飞蛾的数量不改变。由于火焰减少，每一代中与序列中所减少的火焰所对应的飞蛾，根据当前适应度值最差(即最大)的火焰更新其位置。因此，在迭代过程中，会存在多个飞蛾对应一个火焰的情况。根据火焰数量更新函数fn可知，当迭代次数达到t0次时，则火焰的数量为也即火焰的数量为1个。
[0099]
飞蛾是在搜索空间中移动的个体，而火焰是迄今为止飞蛾获得的最佳位置。每一只飞蛾环绕在一个火焰的周围，一旦搜索到更好的适应度值，则更新为下一代中火焰的位置。在每次迭代后，都会根据适应度值f(θ)对飞蛾进行排序，并更新火焰的空间位置，排序后，通常包含了当前找到的最优解，最后输出的最优位置信息即完成迭代中适应度值f(θ)最小的火焰位置信息。
[0100]
在进行t0次迭代处理步骤后，即完成飞蛾火焰算法；此时，可搜索确定飞蛾位置信息θ的最优解，由上述说明可知，火焰位置在每次迭代中都会基于适应度值f(θ)递增更新，适应度值f(θ)越小，结果越优。在每次迭代通常都有当前找到的最优解，最优解即完成最后一次迭代后，最小适应度值f(θ)对应的火焰位置信息，飞蛾种群内的最优飞蛾位置也即经t0次迭代后，最后一个火焰的位置。
[0101]
由上述说明可知，最后一个火焰的位置包括权重α、均值μ以及标准差f
σ
，每个飞蛾位置信息θ的最优解即为对应n组位置参量，将位置参量中所对应高斯混合模型的权重α、均值μ以及标准差f
σ
配置作为每个应力波包络检波信号x(t)内一分峰的权重α、均值μ以及标准差f
σ
，也即确定每个分峰的参数信息，每个分峰也即为一高斯峰。
[0102]
因此，应力波包络检波信号x(t)内每个分峰点均符合高斯分布，基于所确定应力波包络检波信号x(t)的n个分峰参数信息，可对应生成应力波脉冲信号。
[0103]
具体地，将n个分峰参数信息形成的高斯峰画在同一坐标轴上，所述坐标轴的横坐标为均值，坐标轴的纵坐标为标准差，从而，基于每个高斯峰的均值可将n个高斯峰分别画在坐标轴上。
[0104]
对于得到的n个高斯峰，每个高斯峰取与前一个高斯峰以及后一个高斯峰两个交点之间的部分；第一个高斯峰取与第二个高斯峰交点前的部分，最后一个高斯峰取与前一个高斯峰交点后的部分。如果两个高斯峰之间没有交点，则保留全部，此时，可在上述坐标轴上生成应力波脉冲信号。
[0105]
图2中示出了将n个高斯峰画在同一个坐标轴上的一种实施例，图3中示出了形成应力波脉冲信号的一种实施例。当n个高斯峰为其他的实施情况时，可参考图2、图3以及上述说明，此处不再一一举例说明。
[0106]
对于生成的应力波脉冲信号可表示为s(t)，其中，s(t)＝{s(t1),s(t2),
…
s(tn)}，s(t1)为t1时刻分峰后的脉冲信号幅值，s(tn)为tn时刻分峰后的脉冲信号幅值，其他情况依次类推，此处不再赘述。
[0107]
本发明的一种实施例中，基于获取应力波信号的时间窗w，对每个时间窗w，在生成应力波脉冲压缩矩阵时，则有：
[0108][0109]
其中，swe为应力波脉冲信号s(t)的应力波能量，swpe为应力波脉冲信号s(t)的脉冲能量，swpa为应力波脉冲信号s(t)的最大峰高；k为应力波脉冲的编号，l为在时间窗w期间高于应力波脉冲信号s(t)最小值的限制阈值，第k个应力波脉冲是第k次上升到限制阈值l到下次又下降到限制阈值l之间的应力波脉冲信号s(t)，tsk和tek分别为第k个应力波脉冲的起止时刻。
[0110]
对限制阈值l，具体为所有单个应力波脉冲的谷值排序在占比0.1处的取值；排序占比，具体时指对谷值进行从小到大排序后，脉冲总数量占比0.1处(例如一段脉冲信号有20个谷值，对其从小到大排序，限制阈值则取在从小到大第2个谷值处。)；第k个应力波脉冲的起止时刻，具体是指第k个峰(即为基于应力波包络检波信号的极大值所确定的峰)与限制阈值l相交得到两点为脉冲的起止时刻。
[0111]
图4中示出了限制阈值l的一种实施例，图4中，横坐标为时间，纵坐标为采集的加速度信号，图4中的曲线即为应力波脉冲信号，定限制阈值l的具体确定方式可参考图4以及上述说明。
[0112]
对应力波脉冲信号s(t)的应力波能量swe，具体为将应力波脉冲信号s(t)内所有大于0的分量数据点值求和。对应力波脉冲信号s(t)的脉冲能量swpe，具体为对应力波脉冲信号s(t)内n个应力波脉冲的面积求和。对应力波脉冲信号s(t)的最大峰高swpa，具体为确定应力波脉冲信号s(t)所有应力波脉冲的最大峰高。
[0113]
本发明的一种实施例中，对配置设备的预警量级阈值矩阵the，包括：
[0114]
获取设备在健康状态下的应力波信号，并基于所述健康状态下的应力波信号生成健康状态下应力波脉冲压缩矩阵，其中，
[0115]
健康状态下应力波脉冲压缩矩阵的大小为3
×
q，对健康状态下应力波脉冲压缩矩阵的每一列，为基于一健康状态下应力波信号的应力波能量、脉冲能量以及最大峰高；
[0116]
对健康状态下应力波脉冲压缩矩阵，计算每行元素的均值以及标准差，以形成健康状态下应力波能量均值、健康状态下脉冲能量均值、健康状态下最大峰高均值、健康状态下应力波能量标准差、健康状态下脉冲能量标准差以及健康状态下最大峰高标准差；
[0117]
将健康状态下应力波能量均值与数倍健康状态下应力波能量标准差的累加，以将累加和配置作为应力波能量预警阈值；
[0118]
将健康状态下的应力波脉冲能量均值与数倍健康状态下脉冲能量标准差的累加，以将累加和配置作为脉冲能量预警阈值；
[0119]
将健康状态下最大峰高均值与数倍健康状态下最大峰高标准差累加，以将累加和配置作为最大峰高预警阈值。
[0120]
具体地，对健康状态下应力波脉冲压缩矩阵swq，可表示为：
[0121][0122]
其中，swe1、swpe1、swpa1分别为基于一健康状态下应力波信号的应力波能量、脉冲能量以及最大峰高，其他可参考此处说明。每一个健康状态下应力波信号的应力波能量、脉冲能量以及最大峰高可基于上述方式得到。
[0123]
健康状态一般是指同一设备的非故障的工作状态或未出现故障的工作状态。健康状态下应力波脉冲压缩矩阵swq，具体是指利用应力波传感器在健康状态下采集q个应力波信号r(t)，并基于q个应力波信号r(t)分别生成n组在健康状态下的应力波信号的应力波能量、脉冲能量以及最大峰高。
[0124]
由上述健康状态下应力波脉冲压缩矩阵swq的表达式可知，对健康状态下应力波脉冲压缩矩阵的每一行，为基于不同健康状态下应力波信号的应力波能量、脉冲能量或最大峰高中的一个，如上述表达中，第一行为不同健康状态下的应力波能量，第二行为不同健康状态下的脉冲能量，第三行为不同健康状态下的最大峰高。q的大小，一般可根据需要选择，具体取值一般以能有效配置预警量级阈值矩阵the为准。
[0125]
对均值计算时，可有：对标准差计算，可有：
[0126]
具体地，对预警量级阈值矩阵the，可有其中，the1为应力波能量预警阈值，the2为脉冲能量预警阈值，the3为最大峰高预警阈值，此时，脉冲能量预警阈值the2、最大峰高预警阈值the3的情况，可参考此处应力波能量预警阈值的说明，此处不再赘述。当然，预警量级阈值矩阵the还可以采用其他数值关系具体确定，具体可根据实际需要选择。
[0127]
本发明的一种实施例中，将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比对时，则有：
[0128]
将应力波能量、脉冲能量、最大峰高分别与应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值进行一一比对，对任一比对，均生成一比对信息，其中，
[0129]
当存在至少一个比对信息为与预警阈值匹配时，则生成的故障预警状态信息为故障预警状态。
[0130]
具体地，正对应比对，具体是指将应力波脉冲压缩矩阵的应力波能量与应力波能量预警阈值比对，将脉冲能量与脉冲能量预警阈值比对，将最大峰高与最大峰高预警阈值进行比对。
[0131]
所生成的比对信息包括为与预警阈值匹配或与预警阈值不匹配，当与预警阈值匹配，即为比对值与预警阈值相等或两者的差值处于一个预设的范围内，如应力波能量与应力波能量预警阈值相同，或这两者的差值处于一个预设范围内，此时即可认为与预警阈值匹配，否则，即为与预警阈值不匹配。预设的范围，可根据实际需要选择，以能满足故障预警的需求为准。脉冲能量与脉冲能量预警阈值的比对情况，以及最大峰高与最大峰高预警阈值的比对情况，可参考此处的说明，此处不再一一举例说明。
[0132]
具体地，当存在一个比对信息为与预警阈值匹配时，则生成的故障预警状态信息为故障预警状态，也即符合故障预警条件。当所有的比对信息均为与预警够阈值非匹配时，则生成的故障预警状态信息为无故障预警状态，此时，待故障预警设备工作处于良好的状态。
[0133]
此外，当生成的故障预警状态信息为故障预警状态时，一般情况下，设备可依然继续工作，当然，基于故障预警状态信息还可以得到故障预警类型。此外，还可以设置报警量级阈值矩阵thd，报警量级阈值矩阵thd可包括应力波能量报警阈值、脉冲能量报警阈值和最大峰值报警阈值。
[0134]
具体实施时，应力波能量报警阈值可为应力波能量预警阈值的三倍，同理，可得到脉冲能量报警阈值和最大峰值报警阈值相应的取值，当然，具体取值情况可根据实际需要选择，以能满足对设备的故障报警需求为准。
[0135]
综上，可得基于应力波脉冲串分峰解调的故障预警系统，本发明的一种实施例中，包括故障预警处理器，其中，
[0136]
对任一设备，获取所述设备的应力波信号，故障预警处理器采用上述所述的故障预警方法进行故障预警。
[0137]
具体地，故障预警处理器可为现有常用的处理器类型，如可为计算机终端等，具体可根据需要选择，具体基于应力波信号进行故障预警的方法以及过程可参考上述说明，此处不再赘述。
[0138]
由上述说明，对应力波包络检波信号，本发明采用飞蛾火焰算法对信号重叠峰进行分峰解调，以能得到应力波脉冲信号，生成应力波脉冲信号时的分解精度较高，且避免了初值设定不当带来的局部收敛问题，同时也克服了对原先有用数据的破坏，对生成的应力波脉冲信号，生成应力波脉冲压缩矩阵，利用应力波脉冲压缩矩阵可实现数据压缩，提高数据传输的速度，便于进行故障预警以及故障报警的比对，从而可提高基于应力波故障预警的精度以及适应范围。

技术特征：
1.一种基于应力波脉冲串分峰解调的故障预警方法，其特征是，所述故障预警方法包括：对一待故障预警的设备，获取所述设备的应力波信号；对所获取的应力波信号进行包络检波处理，以得到应力波包络检波信号；对应力波包络检波信号，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理，以在分峰解调处理后，生成应力波脉冲信号；对生成的应力波脉冲信号进行数据压缩，以生成应力波脉冲压缩矩阵，其中，所述应力波脉冲压缩矩阵包括应力波能量、脉冲能量以及最大峰高；配置所述设备的预警量级阈值矩阵the，其中，所述预警量级阈值矩阵the包括应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值；在故障预警时，将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比对，以基于正对应比对状态生成故障预警状态信息。2.根据权利要求1所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，将应力波脉冲压缩矩阵与预警量级阈值矩阵the进行正对应的比对时，则有：将应力波能量、脉冲能量、最大峰高分别与应力波能量预警阈值、脉冲能量预警阈值以及最大峰高预警阈值进行一一比对，对任一比对，均生成一比对信息，其中，当存在至少一个比对信息为与预警阈值匹配时，则生成的故障预警状态信息为故障预警状态。3.根据权利要求1所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，对获取的应力波信号，利用带通滤波器进行滤波，以在滤波后生成应力波滤波去噪后信号；对应力波滤波去噪后信号进行包络检波处理，以得到应力波包络检波信号。4.根据权利要求1所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理时，包括：对飞蛾火焰算法初始化，其中，初始化时，配置飞蛾的种群规模q、最大迭代次数t0、螺旋线的形状常数η，对飞蛾种群中的任一飞蛾，所述飞蛾的位置信息θ包括n组位置参量，n为基于应力波包络检波信号得到的分峰数量，每一组位置参量与一高斯混合模型对应；初始化后，随机生成飞蛾种群，并基于随机生成的飞蛾种群进行飞蛾火焰算法的迭代处理步骤，其中，在每次的迭代处理步骤中，基于飞蛾种群内每个飞蛾的位置信息θ确定所述飞蛾的适应度值f(θ)，并在确定飞蛾种群内每个飞蛾的适应度值f(θ)后，基于所配置的火焰数量更新函数f
n
更新火焰的数量、利用对数螺旋函数更新飞蛾的位置以及火焰的位置，并累加迭代次数；重复上述迭代处理步骤，直至迭代次数与最大迭代次数t0适配；当迭代处理的次数与最大迭代次数t0适配后，确定飞蛾种群内的最优飞蛾位置，其中，基于所确定的最优飞蛾位置，将所述最优飞蛾位置内的一组位置参量作为每个高斯峰的权重、均值和标准差，基于所有的高斯峰生成对应的力波脉冲信号。5.根据权利要求4所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，对任一飞蛾的适应度值f(θ)，则有：
其中，n为应力波包络检波信号x(t)内数据点的数量，x(ti)为应力波包络检波信号x(t)内ti时刻对应的数据点，p(x(ti)|θ)为数据点x(ti)归属于一位置参量对应高斯混合模型的概率，α
k
为位置信息θ内的第k个权重，u
k
为位置信息θ内的第k个均值，f
σ
(k)为位置信息θ内的第k个标准差。6.根据权利要求4所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，在迭代处理步骤中，将所有飞蛾的适应度值f(θ)按递增排序，并将排序后的适应度值f(θ)以及与适应度值f(θ)相对应的飞蛾位置信息θ配置作为火焰的空间位置。7.根据权利要求4所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，对火焰数量更新函数f
n
，则有：利用对数螺旋函数更新飞蛾的位置，则有：其中，t为当前迭代次数，round为四舍五入取整运算，m
α
为第α个飞蛾，f
β
为第β个火焰，λ是[-1,1]内的随机数；s(m
α
,f
β
)为第α个飞蛾m
α
与第β个火焰f
β
之间的对数螺旋函数。8.根据权利要求5所述基于应力波脉冲串分峰解调的故障预警方法，其特征是，基于获取应力波信号的时间窗w，对每个时间窗w，在生成应力波脉冲压缩矩阵时，则有：其中，swe为应力波脉冲信号s(t)的应力波能量，swpe为应力波脉冲信号s(t)的脉冲能量，swpa为应力波脉冲信号s(t)的最大峰高；k为应力波脉冲的编号，l为在时间窗w期间高于应力波脉冲信号s(t)最小值的限制阈值，第k个应力波脉冲是第k次上升到限制阈值l到下次又下降到限制阈值l之间的应力波脉冲信号s(t)，ts
k
和te
k
分别为第k个应力波脉冲的起止时刻。9.根据权利要求1至7任一项所述基于应力波脉冲串分峰解调的故障预警方法，其特征
是，配置设备的预警量级阈值矩阵the，包括：获取设备在健康状态下的应力波信号，并基于所述健康状态下的应力波信号生成健康状态下应力波脉冲压缩矩阵，其中，健康状态下应力波脉冲压缩矩阵的大小为3
×
q，对健康状态下应力波脉冲压缩矩阵的每一列，为基于一健康状态下应力波信号的应力波能量、脉冲能量以及最大峰高；对健康状态下应力波脉冲压缩矩阵，计算每行元素的均值以及标准差，以形成健康状态下应力波能量均值、健康状态下脉冲能量均值、健康状态下最大峰高均值、健康状态下应力波能量标准差、健康状态下脉冲能量标准差以及健康状态下最大峰高标准差；将健康状态下应力波能量均值与数倍健康状态下应力波能量标准差的累加，以将累加和配置作为应力波能量预警阈值；将健康状态下的应力波脉冲能量均值与数倍健康状态下脉冲能量标准差的累加，以将累加和配置作为脉冲能量预警阈值；将健康状态下最大峰高均值与数倍健康状态下最大峰高标准差累加，以将累加和配置作为最大峰高预警阈值。10.一种基于应力波脉冲串分峰解调的故障预警系统，其特征是，包括故障预警处理器，其中，对任一设备，获取所述设备的应力波信号，故障预警处理器采用上述权利要求1～权利要求9中任一项所述的故障预警方法进行故障预警。

技术总结
本发明涉及一种基于应力波脉冲串分峰解调的故障预警方法及系统，其包括：获取所述设备的应力波信号；对所获取的应力波信号进行包络检波处理，以得到应力波包络检波信号；对应力波包络检波信号，基于高斯混合模型的飞蛾火焰算法进行脉冲串重叠峰的分峰解调处理，以在分峰解调处理后，生成应力波脉冲信号；对生成的应力波脉冲信号进行数据压缩，以生成应力波脉冲压缩矩阵，配置所述设备的预警量级阈值矩阵THE，在故障预警时，将应力波脉冲压缩矩阵与预警量级阈值矩阵THE进行正对应的比对，以基于正对应比对状态生成故障预警状态信息。本发明提高基于应力波故障预警的精度以及适应范围。围。围。


技术研发人员：程峰 许一凡 杨世飞 魏春虎 蒋红琰
受保护的技术使用者：南京凯奥思数据技术有限公司
技术研发日：2023.06.07
技术公布日：2023/9/20