基于一种增强最小熵解卷积的机械故障诊断方法及系统与流程

技术特征：
1.基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，包括以下步骤：s1，输入测量信号，随机初始化滤波器系数，执行步骤s2；s2，求解滤波信号，执行步骤s3；s3，对滤波信号进行无偏自相关变换，并将变换后的信号作为新的滤波信号，执行步骤s4；s4，计算滤波信号的峭度，执行步骤s5；s5，更新滤波器系数，获得新的滤波器，执行步骤s6；s6，重复步骤s2
‑
s5，使得滤波信号的峭度达到最大，执行步骤s7；s7，选择滤波信号峭度达到最大时对应的滤波器作为最优滤波器，对应的经无偏自相关变换后的信号作为最终滤波信号，执行步骤s8；s8，对滤波信号进行时域分析和包络分析，并根据分析结果诊断轴承故障。2.根据权利要求1所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，所述步骤s3中，对滤波信号进行无偏自相关变换的公式为：式中，为滤波信号y的无偏自相关，n为信号长度，τ为延迟系数，t
i
为时间，q＝0,...,n
‑
1，所述τ＝q/f
s
，f
s
为采样频率。3.根据权利要求1所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，所述步骤s4中，计算进行无偏自相关分析后滤波信号的峭度的表达公式为：式中：<
·
>表示时域平均算子。4.根据权利要求1所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，所述步骤s6中重复步骤s2
‑
s5，使得滤波信号进行无偏自相关变换后的峭度达到最大，选择最大峭度对应的滤波器参数，描述此过程公式如下：式中，为滤波器系数估计值，f为滤波器，为的峭度。5.根据权利要求1所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，所述步骤s5中，新的滤波器的系数获得的公式为：式中，x0为一矩阵。6.根据权利要求5所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其
特征在于，所述更新滤波器的系数获得的公式中，所述矩阵式中l为滤波器长度。7.根据权利要求1所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，所述测量信号的卷积形式为：x＝e*h
e
n*h
n
式中，*代表卷积运算，x为测量信号，e为周期性故障信号，n为干扰成分，h
e
、h
n
分别为e和n对应的传递函数。8.根据权利要求7所述的基于一种增强最小熵解卷积的机械故障诊断方法及系统，其特征在于，所述干扰成分包括:杂乱冲击干扰、非高斯谐波分量、高斯白噪声。

技术总结
本发明公开了基于一种增强最小熵解卷积的机械故障诊断方法及系统，涉及信号处理与机械故障诊断技术领域，包括以下步骤：S1，输入测量信号，随机初始化滤波器系数；S2，求解滤波信号；S3，对滤波信号进行无偏自相关变换，并将变换后的信号作为新的滤波信号；S4，计算滤波信号的峭度；S5，更新滤波器系数，获得新的滤波器；S6，重复步骤S2


技术研发人员：张新 赵艺珂 王家序 吴磊 张忠强 何劲峰
受保护的技术使用者：西南交通大学
技术研发日：2021.07.14
技术公布日：2021/11/28