基于振动分析的煤矿机械早期故障诊断系统的制作方法

本发明涉及机械设备故障诊断，具体为基于振动分析的煤矿机械早期故障诊断系统。

背景技术：

1、煤矿机械在复杂工况下长期运行时，其核心部件如轴承、齿轮箱等，容易因载荷波动、润滑不良等因素发生早期故障，这些故障往往以振动信号的形式表现出来，然而振动信号本身具有明显的非平稳性和多噪声特性，使得故障特征的提取和诊断变得尤为困难，为解决这一问题，现有技术中提出了许多振动信号分析与诊断方法，但这些方法在应对复杂煤矿工况时存在显著不足。

2、现有技术中，经验模态分解作为一种常见的非平稳信号分解方法，能够将振动信号分解为一系列模态分量，然而，emd方法容易出现模态混叠现象，导致不同频率特征之间的界限模糊，尤其是在信号中包含高噪声时，这种问题更加突出，这使得关键故障特征可能与噪声成分混杂，难以从频谱上清晰分离，此外，emd分解对信号的依赖性较高，当机械工况变化时，分解结果往往不具备一致性，造成诊断结果的不稳定。

3、在特征提取方面，现有的一些方法多采用固定阈值滤波或频段能量比的方式来提取故障特征信号，虽然这些方法在低噪声环境下能够实现一定的效果，但在煤矿复杂环境中，随机噪声和环境干扰较强，固定阈值的滤波方式往往缺乏适应性，可能导致关键故障特征信号被滤除或噪声成分被误认为故障特征，这种依赖固定规则的方法在实际应用中存在较大局限性。

4、此外，现有故障诊断技术大多基于分类模型直接对特征信号进行诊断。常用的方法如支持向量机（svm）或神经网络虽然能够完成一定程度的模式识别，但这些方法对输入特征的分布一致性要求较高，当信号的特征分布与训练数据存在偏差时，分类模型的准确性会显著下降，特别是在煤矿工况复杂多变的条件下，不同故障模式的信号分布差异较大，直接分类的方法难以应对分布偏移问题，从而导致诊断结果的可靠性不足。

技术实现思路

1、针对现有技术的不足，本发明提供了基于振动分析的煤矿机械早期故障诊断系统，解决了在煤矿工况复杂多变的条件下，不同故障模式的信号分布差异较大，直接分类的方法难以应对分布偏移问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于振动分析的煤矿机械早期故障诊断系统，包括：

3、数据采集模块，用于采集煤矿机械关键部件的振动信号；

4、数据处理模块，与所述数据采集模块连接，用于基于变分模态分解对所述振动信号进行频带分离，将振动信号分解为多个模态分量；

5、特征提取模块，与所述数据处理模块连接，用于基于稀疏贝叶斯推断对模态分量进行噪声建模与特征信号提取；

6、故障诊断模块，与所述特征提取模块连接，用于基于目标分布优化理论对特征信号分布与故障模式分布进行匹配和诊断；

7、输出模块，与所述故障诊断模块连接，用于输出煤矿机械的故障类型和早期故障诊断结果。

8、优选的，所述数据处理模块基于变分模态分解算法对振动信号进行分解，具体包括以下步骤：

9、构造输入振动信号的模态分解目标函数，将振动信号分解为多个模态分量；

10、使用优化方法迭代更新模态分量的频率中心和信号幅值；

11、将模态分量划分为高频分量和低频分量，高频分量包含噪声信号，低频分量包含机械故障特征信号。

12、优选的，所述特征提取模块通过稀疏贝叶斯推断对模态分量进行处理，具体包括以下步骤：

13、假设模态分量由稀疏信号和高斯分布的噪声组成，分别构建稀疏信号的先验分布和噪声分布；

14、通过贝叶斯推断求解模态分量中稀疏信号的后验分布；

15、动态更新稀疏信号的权重和噪声权重，以实现高频噪声的抑制和低频特征信号的优化提取。

16、优选的，所述故障诊断模块基于目标分布优化理论对提取的特征信号进行处理，具体包括以下步骤：

17、对提取的特征信号构建概率密度函数模型，表征特征信号的分布；

18、对目标故障模式建立概率分布模型；

19、计算特征信号分布与目标故障模式分布之间的传输距离；

20、通过优化传输距离，将特征信号分布向目标分布靠拢，完成故障模式匹配和诊断。

21、优选的，所述数据采集模块包括多个振动传感器，所述振动传感器安装在煤矿机械的关键部位，包括轴承、齿轮箱和驱动电机，采集加速度信号和振动频率信号。

22、优选的，所述系统输出的早期故障诊断结果包括煤矿机械关键部件的故障类型、故障严重程度和故障位置。

23、优选的，所述数据处理模块对振动信号进行频率分段处理，其中低频段信号用于提取设备运行状态特征，高频段信号用于识别随机噪声或环境干扰。

24、优选的，所述稀疏贝叶斯推断的信号权重通过以下公式更新稀疏信号的权重根据信号幅值和协方差矩阵的比值动态调整，其更新规则为：

25、

26、其中，为信号样本数，为特征信号的幅值平方，为信号协方差矩阵。

27、优选的，所述故障诊断模块对特征信号分布与目标分布的传输距离进行优化时，采用距离计算信号分布的偏差，优化目标为：

28、

29、其中，表示特征信号的概率分布，表示目标故障模式的概率分布，和分别为特征信号和目标分布的累积分布函数。

30、优选的，所述系统包括健康状态预测模块，基于提取的特征信号和诊断结果，对煤矿机械的健康状态进行预测，并计算剩余使用寿命。

31、本发明提供了基于振动分析的煤矿机械早期故障诊断系统。具备以下有益效果：

32、1、本发明采用基于变分模态分解（vmd）对振动信号进行频率分离的技术方案，达到了有效分离非平稳信号中故障特征和噪声的技术效果，相比于现有技术中常用的经验模态分解（emd）容易出现模态混叠的问题，解决了模态分量频率范围模糊、关键故障特征难以提取的不足。

33、2、本发明通过引入稀疏贝叶斯推断（sbi）进行特征信号提取，达到了增强机械故障特征信号稀疏表达的效果，相较于现有技术中使用固定阈值滤波或简单频带分割的方法，解决了特征信号容易受噪声污染以及缺乏自适应建模能力的不足，为多工况下的鲁棒性故障诊断提供了支持。

34、3、本发明采用基于最优传输理论的故障诊断方法，利用目标分布匹配实现故障特征信号与预定义故障模式的精准对齐，达到了高精度故障识别的效果，现有技术中依赖特征直接分类的方法容易受复杂工况下信号分布不一致的影响，解决了复杂煤矿机械振动信号故障诊断准确率低的问题。

35、4、本发明通过多模块联动和输出模块的数据可视化设计，达到了提升故障诊断系统可用性和直观性的技术效果，与传统系统只能提供简单报警信息的技术方案相比，解决了用户无法直观了解设备运行状态和故障原因的不足，同时通过报告生成和历史数据存储增强了系统的扩展能力。

1.基于振动分析的煤矿机械早期故障诊断系统，其特征在于，包括：

2.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述数据处理模块基于变分模态分解算法对振动信号进行分解，具体包括以下步骤：

3.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述特征提取模块通过稀疏贝叶斯推断对模态分量进行处理，具体包括以下步骤：

4.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述故障诊断模块基于目标分布优化理论对提取的特征信号进行处理，具体包括以下步骤：

5.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述数据采集模块包括多个振动传感器，所述振动传感器安装在煤矿机械的关键部位，包括轴承、齿轮箱和驱动电机，采集加速度信号和振动频率信号。

6.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述系统输出的早期故障诊断结果包括煤矿机械关键部件的故障类型、故障严重程度和故障位置。

7.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述数据处理模块对振动信号进行频率分段处理，其中低频段信号用于提取设备运行状态特征，高频段信号用于识别随机噪声或环境干扰。

8.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述稀疏贝叶斯推断的信号权重通过以下公式更新稀疏信号的权重根据信号幅值和协方差矩阵的比值动态调整，其更新规则为：

9.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述故障诊断模块对特征信号分布与目标分布的传输距离进行优化时，采用距离计算信号分布的偏差，优化目标为：

10.根据权利要求1所述的基于振动分析的煤矿机械早期故障诊断系统，其特征在于，所述系统包括健康状态预测模块，基于提取的特征信号和诊断结果，对煤矿机械的健康状态进行预测，并计算剩余使用寿命。