1.一种基于密度峰值聚类的稀疏分量分析的机械故障诊断方法,其特征在于:首先把加速度传感器安装在机械设备的壳体表面,通过加速度传感器拾取机械振动的观测信号;其次使用sinC函数构建结构元素,并基于sinC型元素构造结合形态开-闭滤波器与形态闭-开滤波器的组合滤波器;采用组合滤波器对所拾取的机械振动观测信号进行滤波处理,得到滤波信号c其中使用sinC函数构建结构元素,并基于sinC型元素构造组合滤波器步骤如下:(1)基于
(2)设一维离散输入信号f(n)和序列结构元素g(m)的定义域分别为D(fΘg)(n)=min{f(n+m)-g(m)}其中:(n+m)、(n-m)∈D
(3)相应形态开
所述通过密度峰值聚类算法对归一化信号(1)首先选择截断误差d
ρ
其中,χ(x)为分段函数,当x<0时,χ(x)=1,否则χ(x)=0;d(2)对于每个数据点x
对于局部密度最大的数据i,则取δ
(3)聚类中心定义为同时具有高密度ρ
2.根据权利要求1所述的基于密度峰值聚类的稀疏分量分析的机械故障诊断方法,其特征在于,运用正交匹配追踪算法从包含复合故障的信号中重构并分离出k个包含单一故障的源信号的步骤如下:F1、初始化参数,初始残差r
F2、使用内积法计算传感矩阵W的列向量与残差rF3、使用最小二乘法计算本次迭代的重构信号估计值xF4、更新残差r
F5、使用E
3.根据权利要求1所述的基于密度峰值聚类的稀疏分量分析的机械故障诊断方法,其特征在于:通过加速度传感器拾取的机械振动观测信号为x
4.根据权利要求1所述的基于密度峰值聚类的稀疏分量分析的机械故障诊断方法,其特征在于:对FFT后的信号在频域进行分析,查看频谱图上是否存在机械部件故障的理论特征频率及其倍频;
如果存在,那么就确定频谱图上的频率对应于实际机械部件类型的频率,即确定故障类型,最终实现故障诊断;
如果不存在,则认为不存在故障,频谱图仅显示机械部件转特征频率。