非线性相位差场多尺度能量掩码钻井绞车模态识别方法与流程

本发明属于海上重型机械设备运行状态监测与故障诊断，尤其是涉及非线性相位差场多尺度能量掩码钻井绞车模态识别方法。

背景技术：

1、海上钻井平台绞车是钻井作业中执行起下钻具、下套管和起吊重物等核心工艺的关键动力设备。其传动系统通常由大功率电机、多级重载减速箱、刹车机构和巨型滚筒组成。由于海上钻井平台孤悬于海面，绞车在长期运行过程中，不仅承受着频繁的重载启停、急剧的加减速等内部恶劣工况，更受到海浪周期性冲击引起的船体纵摇与升沉交变载荷的严重干扰。

2、上述由内外激励耦合产生的复杂动力学响应，导致绞车传动系统的振动信号呈现出极强的非平稳性、非线性和时变频率漂移特征。当绞车内部的齿轮或轴承发生微观早期损伤（如齿面点蚀、轴承滚道剥落）时，这些微弱的瞬态冲击特征往往被海浪升沉引起的低频重载包络和周围多源设备（如泥浆泵、柴油发电机）的高频机械白噪声所完全淹没。

3、针对上述问题，现有的故障诊断与状态感知方法主要存在以下技术瓶颈。传统的时频分析方法（如短时傅里叶变换stft、小波分析）和现有的数据驱动模型，大多基于“系统工况相对平稳”的假设。当直接处理海上绞车的实测信号时，这些方法无法有效区分“由海浪升沉引起的基频波动”和“由机械磨损引起的频率调制”，难以剥离非平稳的海洋环境载荷干扰，导致诊断系统在恶劣海况下频繁出现误报与漏报，虚警率居高不下。

4、绞车的故障演化通常包含两个维度的特征：一是零部件微观剥落引发的高频瞬态冲击（具有强烈的局部时域突变性）；二是整体结构磨损与刚度下降引发的低频周期性调制（具有全局时域连续性）。现有的信号图像化方法（如马尔可夫转移场、常规灰度图映射）结合单一尺度的卷积神经网络（cnn），往往顾此失彼：若侧重于捕捉高频瞬态突变，则容易丢失全局的退化趋势规律；若侧重于提取低频周期特征，则会导致早期微弱损伤信号在特征池化过程中被平滑消除。

5、近年来，部分研究尝试通过多分支网络结构分别提取不同尺度的特征并进行简单的线性拼接或全连接融合。然而，在海上高噪声、低信噪比（snr）的极端环境下，简单的特征堆叠不仅会引入大量的冗余环境噪声向量，还会引发“维数灾难”，导致模型过拟合，完全无法满足实际海上工程对诊断系统鲁棒性和泛化能力的严苛要求。

6、综上所述，现有的监测诊断手段在面对复杂海况下的大型钻井绞车时，存在载荷干扰解耦难、多尺度损伤特征协同差、强噪声下特征表达能力弱等固有缺陷。

7、因此，亟需一种能够自适应剔除海洋环境变载荷干扰，并深度协同局部瞬态冲击与全局退化周期的全新健康模态识别方法，以保障海上钻井作业的安全与高效。

技术实现思路

1、本发明要解决的问题是提供非线性相位差场多尺度能量掩码钻井绞车模态识别方法，该方法通过构建“环境载荷解耦-非线性拓扑映射-双轨制特征协同-互相关掩码增强”的闭环技术体系，实现了在极低信噪比与海浪交变载荷叠加的恶劣工况下，对绞车早期微弱损伤与宏观退化趋势的高可靠性感知与诊断。

2、为解决上述技术问题，本发明采用的技术方案是：非线性相位差场多尺度能量掩码钻井绞车模态识别方法，包括以下步骤，

3、s1：获取与升沉载荷解耦的稳态响应序列；

4、s2：构建二维格拉米相位角差场矩阵；

5、s3：双轨制解析微观瞬态冲击与宏观周期调制特征；

6、s4：基于互相关掩码的特征协同与纯化识别。

7、进一步的，所述s1包括以下步骤，

8、s11：采集海上钻井平台绞车传动系统的原始动态响应载波信号；

9、s12：利用变分模态分解算法提取信号中与海浪升沉周期对应的低频基准包络线；

10、s13：以所述低频基准包络线为补偿基准，对高频本征模态分量进行时变陷波滤波，剥离由船体纵摇和升沉引起的时变载荷调制干扰，重构出表征绞车机械本体状态的所述稳态响应序列。

11、进一步的，在所述s2中，将所述稳态响应序列的幅值信息转化为极坐标系下的反余弦相位角，通过计算时间序列上任意两个采样点对应相位角之差的正弦值，构建表征绞车齿轮与轴承非线性刚度退化趋势的二维格拉米相位角差场空间矩阵。

12、进一步的，在所述s3中，采用双轨制网络架构对所述空间矩阵进行深度并行解析，包括，

13、在第一解析轨道中，采用包含多尺度滑动滤波核的局部关联解析单元，在所述空间矩阵上进行二维滑窗卷积操作，捕捉由绞车齿面点蚀或轴承剥落引起的高频突变像素簇，提取局部瞬态冲击能量特征向量；

14、在第二解析轨道中，并行对所述空间矩阵进行空域池化降采样，捕捉由绞车分布磨损引起的全局周期性纹理变化，提取全局周期调制特征图。

15、进一步的，所述第一解析轨道中，多尺度滑动滤波核的感受野尺寸分别严格对应绞车高速级、中速级和低速级齿轮的机械啮合频率所映射在二维空间矩阵上的像素跨度。

16、进一步的，所述s4包括以下步骤，

17、s41：采用非线性互相关掩码函数，将所述第一解析轨道提取的局部瞬态冲击能量特征向量的幅值映射至[0,1]区间作为空间注意力权重掩码；

18、s42：将所述空间注意力权重掩码与所述第二解析轨道提取的全局周期调制特征图进行逐元素的哈达玛积运算，利用局部高能量冲击特征自适应压制全局特征中的低频机械背景白噪声，生成纯净化健康评估矩阵。

19、进一步的，还包括s5：健康模态非线性映射：将所述纯净化健康评估矩阵输入非线性模态分类器，输出绞车的健康模态评估指标。

20、进一步的，本发明还提供非线性相位差场多尺度能量掩码钻井绞车模态识别系统，运行所述的非线性相位差场多尺度能量掩码钻井绞车模态识别方法，包括，

21、信号采集模块，用于采集海上钻井平台绞车传动系统在实际变载荷工况下的原始动态响应载波信号；

22、升沉载荷解耦模块，用于对所述原始动态响应载波信号进行多频带解析，自适应提取出与海浪升沉周期对应的低频基准包络线，以所述低频基准包络线作为补偿基准对分离出的高频本征模态分量进行时变陷波滤波，动态剥离由船体纵摇和升沉引起的时变载荷调制干扰，重构出仅表征绞车机械本体真实退化状态的稳态响应序列；

23、格拉米相位角差场矩阵构建模块，用于将所述稳态响应序列的幅值信息映射至极坐标系并转化为反余弦相位角序列，通过计算任意两个不同时刻采样点对应相位角之差的正弦值，构建出二维格拉米相位角差场空间矩阵；

24、双轨制特征解析模块，用于对所述空间矩阵进行深度并行解析，包括第一解析轨道单元和第二解析轨道单元，所述第一解析轨道单元采用包含多尺度滑动滤波核的局部关联解析单元在所述空间矩阵上进行二维层级式滑窗卷积操作以提取局部瞬态冲击能量特征向量；所述第二解析轨道单元对所述空间矩阵进行自适应的空域池化降采样以提取全局周期调制特征图；

25、互相关掩码特征协同纯化模块，用于将所述局部瞬态冲击能量特征向量的幅值压缩映射至[0,1]区间生成空间注意力权重掩码，并将所述空间注意力权重掩码与所述全局周期调制特征图进行逐元素的哈达玛积运算，生成纯净化的健康评估矩阵；

26、健康模态分类输出模块，用于将所述纯净化的健康评估矩阵输入至非线性模态分类器中，输出绞车当前运行状态的精确健康模态评估指标。

27、进一步的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的算法，所述处理器执行计算机程序时实现如所述的钻井绞车模态识别方法。

28、进一步的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机算法，所述计算机算法被处理器执行时实现所述的钻井绞车模态识别方法。

29、本发明具有的优点和积极效果是：

30、1、本发明突破性地解决了复杂海况变载荷对故障特征的掩蔽难题：

31、现有通用诊断模型在面对海上设施时，极易将海浪周期性冲击引起的升沉载荷误判为机械故障的低频调制特征，导致极高的虚警率。本发明创新性地引入了“升沉载荷解耦”机制，通过变分模态分解与时变陷波滤波，在物理层面剔除了船体运动带来的伪特征干扰，为后续的高维拓扑映射提供了高保真的稳态序列基础，大幅提升了系统在极端海况下的抗干扰能力。

32、2、本发明实现了微观瞬态突变与宏观退化周期的多尺度完美协同：

33、机械装备的早期微弱损伤通常表现为高频的瞬态冲击，而整体磨损则表现为低频的周期调制。本发明构建的二维格拉米相位角差场矩阵，将一维非平稳信号转化为包含时序几何信息的二维拓扑结构；在此基础上创新的“双轨制特征解析架构”，巧妙利用多尺度滑动滤波核精准捕捉微观点蚀突变，同时利用空域池化锁定宏观磨损规律，成功克服了传统单一网络在复杂特征提取上的“顾此失彼”。更进一步地，将多尺度滑动滤波核的感受野尺寸与绞车各级齿轮的啮合频率物理绑定，使得特征提取具有了极强的机械可解释性。

34、3、本发明提出了强噪声环境下的高阶特征纯化机制（互相关掩码增强）：

35、针对多源传感器数据融合中易产生的“维数灾难”与冗余噪声干扰，本发明彻底摒弃了主流的特征线性拼接或全连接融合策略，创新性地提出了基于哈达玛积的互相关掩码机制。该机制模拟了人类声学测向中的“掩蔽效应”，即以包含确定性损伤高能信息的微观特征作为“导向光源”，在宏观的周期特征图中定向点亮故障演化区域，从而在极低信噪比（snr）的强机械背景噪声中，自适应地压制了无用的环境白噪声。该协同纯化策略使得模型在有限的海上实测样本下仍能保持卓越的泛化能力和鲁棒性。