一种液压马达的机械状态检测方法与流程

本发明涉及数据处理，具体涉及一种液压马达的机械状态检测方法。

背景技术：

1、液压马达广泛应用于各种机械系统，其性能直接关系到整个系统的可靠性和效率。通过对液压马达的机械状态进行检测，可以及时发现故障和异常，提前采取维修和保养措施，从而确保液压马达的可靠性和稳定性。

2、液压马达的机械状态检测主要依赖于传统的振动分析、温度监测等手段，通过监测系统中集成的多种传感器，获取全方位的机械状态检测数据，将传感器数据实时传输至中央控制系统，系统能够实时分析这些数据，迅速识别潜在的机械问题。

3、液压马达本身的运动或工作会产生振动，周围环境中的其他振动源会产生一些干扰信息，并且监测环境中存在一些其他电子设备的电磁干扰，从而使的振动传感器采集到的信号数据中存在一定的噪声成分，噪声成分会掩盖或混淆液压马达的异常振动数据，使得对液压马达的机械状态检测结果存在误差，进而影响液压马达机械状态的检测准确性。

技术实现思路

1、为解决上述问题，本发明提供一种液压马达的机械状态检测方法。

2、本发明的一种液压马达的机械状态检测方法采用如下技术方案：

3、本发明一个实施例提供了一种液压马达的机械状态检测方法，该方法包括以下步骤：

4、采集液压马达的振动数据；

5、对振动数据进行分解得到振动数据的若干分量信号；对每个分量信号进行频域转换得到每个分量信号的若干频率带宽；根据分量信号和每个分量信号的频率带宽得到每个分量信号的均衡性特征；

6、根据分量信号中不同极值点对应时间的差异，得到每个分量信号的若干时间分辨率；根据分量信号的时间分辨率和均衡性特征得到振动数据的若干成分预期值；根据振动数据的成分预期值得到振动数据的最优分解尺度；

7、根据振动数据和最优分解尺度，得到振动数据的主频率、振动数据的若干局部数据段及每个局部数据段的主频率根据振动数据的主频率和局部数据段的主频率，得到每个局部数据段的主频率的重要程度；根据局部数据段得到每个局部数据段的可信度；

8、根据重要程度和可信度，得到每个局部数据段的调节系数：根据调节系数对局部数据段进行滤波得到滤波之后的振动数据；依据滤波之后的振动数据对液压马达的机械状态进行异常判断。

9、进一步地，所述对每个分量信号进行频域转换得到每个分量信号的若干频率带宽；根据分量信号和每个分量信号的频率带宽得到每个分量信号的均衡性特征，包括的具体步骤如下：

10、将任意一个分量信号，记为目标分量信号；将目标分量信号利用傅里叶变换转换到频域，得到目标分量信号的频谱图，记为目标频谱图；获取目标频谱图的所有极小值点；将目标频谱图中每相邻两个极小值点确定的一段频谱区间，作为目标分量信号的一个频率带宽；

11、获取目标分量信号的每个频率带宽的能量；将分量信号的每一个时间记为一个时刻；

12、将目标分量信号的所有时刻的振动强度的平方累加值，记为第一和值，将第一和值与目标分量信号包含时刻的个数的比值，乘以目标分量信号的所有频率带宽的能量占比的标准差的乘积结果，作为目标分量信号的均衡性特征；目标分量信号的所有频率带宽的能量占比的标准差的具体获取方法如下：将目标分量信号的第r个频率带宽的能量与目标分量信号的所有频率带宽的能量的比值，记为目标分量信号的第r个频率带宽的能量占比，获取目标分量信号的每个频率带宽的能量占比，得到目标分量信号的所有频率带宽的能量占比的标准差。

13、进一步地，所述根据分量信号中不同极值点对应时间的差异，得到每个分量信号的若干时间分辨率，包括的具体步骤如下：

14、将目标分量信号的第u个极值点对应的时间与第u+1个极值点对应时间的差值绝对值，记为目标分量信号的一个第一时间差异值，u∈[1，u-1]，u为目标分量信号的极值点的个数；将目标分量信号的所有第一时间差异值的均值，作为目标分量信号的第一时间分辨率，将目标分量信号的第u+1个极值点的序号减去第u个极值点的序号的差值，记为极值点的第一间隔数；

15、将目标分量信号的第t个极值点对应的时间与第t+2个极值点对应时间的差值绝对值，记为目标分量信号的一个第二时间差异值，t＝1+(t-1)×3，t∈[1，u]；将目标分量信号的所有第二时间差异值的均值，作为目标分量信号的第二时间分辨率，将目标分量信号的第t+2个极值点的序号减去第t个极值点的序号的差值，记为极值点的第二间隔数；

16、以此类推，获取目标分量信号的所有时间分辨率，每次极值点的间隔数加1，直至极值点的间隔数大于停止。

17、进一步地，所述根据分量信号的时间分辨率和均衡性特征得到振动数据的若干成分预期值，包括的具体步骤如下：

18、根据第一时间分辨率得到振动数据的第一成分预期值，具体如下：

19、获取每个分量信号的第一时间分辨率，将振动数据的所有分量信号的序号按照从小到大的顺序进行排列，得到一个序列，记为分量序号序列，将分量序号序列中每个序号对应分量信号的第一时间分辨率，按照分量序号序列中序号从小到大的顺序进行排列，得到一个序列，记为第一时间分辨率序列；

20、

21、式中，为振动数据的所有分量信号的均衡性特征的平均值，m为振动数据的所有分量信号中任意两个分量信号的组合数，wj1为第j个组合中第1个分量信号的均衡性特征，wj2为第j个组合中第2个分量信号的均衡性特征，||为取绝对值，a为分量序号序列和第一时间分辨率序列的皮尔逊相关系数，e为振动数据的第一成分预期值；

22、根据第二时间分辨率得到振动数据的第二成分预期值；

23、以此类推，得到振动数据的若干成分预期值。

24、进一步地，所述根据振动数据的成分预期值得到振动数据的最优分解尺度，包括的具体步骤如下：

25、将振动数据所有的成分预期值的最小值对应的极值点的间隔数，作为振动数据的最优分解尺度。

26、进一步地，所述根据振动数据和最优分解尺度，得到振动数据的主频率、振动数据的若干局部数据段及每个局部数据段的主频率，包括的具体步骤如下：

27、将振动数据利用傅里叶变换转换到频域，得到振动数据的频谱图，记为第一频谱图，将第一频谱图中最大振动强度对应的频率，作为振动数据的主频率根据最优分解尺度对振动数据进行均等划分，得到振动数据的若干局部数据段；将振动数据的任意一个局部数据段，记为目标局部数据段，对目标局部数据段进行快速傅里叶变换，得到目标局部数据的频率图，将目标局部数据的频率图中最大振动强度对应的频率，记为目标局部数据段的主频率。

28、进一步地，所述根据振动数据的主频率和局部数据段的主频率，得到每个局部数据段的主频率的重要程度，包括的具体步骤如下：

29、将振动数据的第k个局部数据段的主频率与振动数据的主频率的差值绝对值，作为振动数据的第k个局部数据段的主频率的重要程度。

30、进一步地，所述根据局部数据段得到每个局部数据段的可信度，包括的具体步骤如下：

31、将目标局部数据段内相同振动强度构成的集合，作为目标局部数据段的一个振动强度集合；获取目标局部数据段的所有振动强度集合，将目标局部数据段的任意一个振动强度集合，记为目标振动强度集合，将目标振动强度集合中振动强度的个数，记为tm，将目标局部数据段中振动强度的个数，记为tm，将tm与tm的比值，作为目标振动强度集合的强度占比，获取每个振动强度集合的强度占比；获取目标局部数据段的瞬时频率；

32、将目标局部数据段的所有振动强度集合的强度占比的信息熵与目标局部数据段的振动强度集合的个数的比值，记为第一比值，将目标局部数据段中所有振动强度的均值，记为第一均值，将第一比值、目标局部数据段的瞬时频率及第一均值的乘积的倒数，作为目标局部数据段的可信度。

33、进一步地，所述根据重要程度和可信度，得到每个局部数据段的调节系数，包括的具体步骤如下：

34、将振动数据的第k个局部数据段的主频率的重要程度与振动数据的第k个局部数据段的可信度的乘积，作为振动数据的第k个局部数据段的调节因子；

35、获取振动数据的每个局部数据段的调节因子，对振动数据的所有局部数据段的调节因子进行线性归一化处理，得到的结果作为振动数据的每个局部数据段的调节系数。

36、进一步地，所述根据调节系数对局部数据段进行滤波得到滤波之后的振动数据，包括的具体步骤如下：

37、将最优分解尺度作为局部数据段进行高斯滤波时的初始滤波窗口，将初始滤波窗口的长度记为l，预设一个第一阈值，本实施例以第一阈值等于0.3进行叙述；若目标局部数据段的调节系数小于第一阈值，将目标局部数据段的调节系数加1并与l的乘积，作为目标局部数据段进行高斯滤波时的滤波窗口；若目标局部数据段的调节系数大于或等于第一阈值，将1减去目标局部数据段的调节系数的差值并与1的乘积，作为目标局部数据段进行高斯滤波时的滤波窗口；根据目标局部数据段进行高斯滤波时的滤波窗口对目标局部数据段进行高斯滤波，得到滤波之后的目标局部数据段；获取所有滤波之后的局部数据段，将所有滤波之后的局部数据段按照时间顺序进行拼接，得到滤波之后的振动数据。

38、本发明的技术方案的有益效果是：本发明在采集到液压马达的振动数据后，对振动数据进行分析，得到振动数据的分量信号，后续通过对分量信号进行分析，使得振动数据进行滤波的效果更好，通过对每个分量信号进行频域转换，进行频域分析，获取每个分量信号的若干频率带宽，进而得到每个分量信号的均衡性特征，其反映分量信号的频谱均衡性，通过振动数据的成分预期值获取振动数据的最优分解尺度，使得振动数据进行滤波时有更加合适的滤波窗口，进而提升液压马达的机械状态检测结果，根据振动数据的主频率和局部数据段的主频率，得到每个局部数据段的主频率的重要程度，表示局部数据段的主频率对于机械状态的振动模态的重要程度，结合局部数据段的可信度得到每个局部数据段的调节系数，最终通过调节系数对局部数据段进行滤波得到滤波之后的振动数据，并对液压马达的机械状态进行异常判断，获取滤波之后的振动数据时通过调节系数对局部数据段进行滤波时的滤波窗口进行动态调节，使得滤波强度更能适应振动数据中的复杂变化，有效去除数据中的残留噪声成分，提高了液压马达的机械状态的检测准确性。