1.一种中心频率收敛趋势作用下的故障诊断方法,其特征在于:包括以下步骤,(1)以fs为采样频率采集诊断目标的动态信号x(t);
(2)设置变分模型的初始分解参数:初始中心频率ω0为0、初始中心频率的增长步长Δω为100Hz、初始计步数z为1、平衡参数α为[1000,4000]和模态分量个数K为1;
(3)使用设定初始分解参数的变分模型对所述动态信号x(t)进行一次分解,判断中心频率的收敛趋势,在中心频率收敛趋势引导下遍历信号分析频带迭代分解动态信号x(t),得到优化模态{m1...mn...mN}和相应的中心频率{ω1...ωn...ωN};
(4)从获取的优化模态{m1...mn...mN}中搜索故障相关模态mI,以故障相关模态mI的中心频率ωI引导参数优化,提取包含故障信息的最优目标分量(5)对提取的最优目标分量 进行包络分析,根据其包络谱诊断所述诊断目标;
其中,所述动态信号x(t)在中心频率收敛趋势引导下迭代分解过程为:(S31)使用设定初始分解参数的变分模型对所述动态信号x(t)进行一次分解,得到更新后的中心频率ω1;
(S32)判断中心频率的收敛趋势e=ω1-ω0:
若收敛趋势e=ω1-ω0为上升趋势,则输出相应的模态分量作为优化模态mn,相应的中心频率ωn为提取的最优中心频率;
若收敛趋势e=ω1-ω0为下降趋势,则令ω0=ω0+zΔω,并同时判断是否遍历整个频带,若ω0=(ω0+zΔω)<fs/2,返回步骤(S31),否则停止迭代分解;
(S33)以提取的最优中心频率ωn更新初始中心频率ω0,若新的中心频率ω0<fs/2,返回步骤(S31),否则停止迭代分解。
2.如权利要求1所述的中心频率收敛趋势作用下的故障诊断方法,其特征在于:步骤(3)中,使用交替方向乘子法求解变分模型中的约束模型:式中,x(t)为动态信号,*表示卷积算子, 表示对时间t求偏导数,δ(t)为狄利克雷分布函数,指数调节项 用于平移各分量的频谱;
信号x(t)被分解为K个模态分量mk,其中,k=1,2,3.....K;每个模态分量mk都围绕其中心频率ωk。
3.如权利要求1所述的中心频率收敛趋势作用下的故障诊断方法,其特征在于:步骤(4)中,从获取的优化模态{m1...mn...mN}中搜索故障相关模态mI时,通过计算优化模态{m1...mn...mN}的基尼指数值来确定。
4.如权利要求3所述的中心频率收敛趋势作用下的故障诊断方法,其特征在于:步骤(4)中,以故障相关模态mI的中心频率ωI引导参数优化,提取包含故障信息的最优目标分量的过程为:(S51)设置两组初始分解参数:平衡参数α=α0+Δα、模态分量个数K=1、初始中心频率为ωI;平衡参数α=α0-Δα、模态分量个数K=1、初始中心频率为ωI;
其中,Δα为平衡参数α变化的步长;
(S52)分别使用步骤(S51)中设置的两组初始分解参数分解原始动态信号x(t),得到两组模态分量Ur1、Ul1;
(S53)分别计算模态分量Ur1、Ul1的基尼指数值Gnir1、Gnil1;
(S54)判断Gnir1、Gnil1的大小:
若Gnir1>Gnil1,执行递增平衡参数优化方案;
否则,执行递减平衡参数优化方案。
5.如权利要求4所述的中心频率收敛趋势作用下的故障诊断方法,其特征在于:所述递增平衡参数优化方案包括,(S61)设置分解参数:平衡参数α=α0+iΔα,其中,i=2;模态分量个数K=1,初始中心频率为ωI;
(S62)使用步骤(S61)中设置的分解参数分解原始动态信号x(t),得到模态分量Uri,并计算模态分量Uri的基尼指数值Gniri;
(S63)判断Gniri、Gniri-1的大小,
若Gniri>Gniri-1,则令i=i+1,并返回步骤(S61);
否则,令
6.如权利要求4所述的中心频率收敛趋势作用下的故障诊断方法,其特征在于:所述递减平衡参数优化方案包括,(S71)设置分解参数:平衡参数α=α0-iΔα,其中,i=2;模态分量个数K=1,初始中心频率为ωI;
(S72)使用步骤(S71)中设置的分解参数分解原始动态信号x(t),得到模态分量Uli,并计算模态分量Uli的基尼指数值Gnili;
(S73)判断Gnili、Gnili-1的大小,
若Gnili>Gnili-1,则令i=i+1,并返回步骤(S71);
否则,令