基于加权相空间重构的早期故障特征提取理论研究

在实际应用中，常常需要在无系统模型的情况下认识与研究系统的本质特征，尤其在设备故障诊断领域，常获得通过传感器采集到反映系统某一运行状态的加速度、速度或位移等单变量一维非平稳时间序列，显然，这一序列是整个系统运行状态的一维投影，可以通过该序列来研究系统的整体性质，进而来还原系统的行为与特征。传统的基于平稳随机信号的分析方法无法有效地对设备出现早期故障时的非线性、非平稳信号进行识别与分类，而本项目提出的加权相空间重构信号特征提取算法对此类信号则有较好的识别与分类效果。加权相空间重构降噪算法在相空间重构与分解的基础上，将一维的时间序列延拓到高维的相空间，使得一维时序中不易识别的特征在高维的相空间变为容易识别的吸引子，通过区分吸引子在高维空间的不同属性与特征，采用加权窗将高维信号投影到一维，使得信号的本质特征得到充分体现。