一.引言
上一篇文章中,我们理解了混沌理论的发展、定义以及特点。
接下来,要结合我的研究方向,在机械振动时间序列信号的基础上,做出故障的诊断和预判。
时间序列也是结构化的数据,每一个时间戳下就有一个值。通常来说,研究时间序列有两个目的,那就是对时间序列进行预测或者异常检测。混沌时间序列广泛存在于自然和人工环境中,常常需要进行预测。
混沌时间序列由混沌系统产生,具有与一般时间序列不一样的特性。其外在表现类似随机,对初始状态敏感,使其长期不可预测。但其本质上是由确定性的非线性动力系统产生的,使其短期可预测。对于混沌时间序列的预测,宜恢复混沌系统信息,充分利用其混沌特性,以取得较好的预测。
由于篇幅的限制,本文以轴承信号为例,着重讨论利用混沌分析的背景、混沌性时间序列的分析方法。
二.背景
老师曾不止一次问我,为什么要用混沌做故障诊断呢?混沌特征的现实意义在哪里?
一般来说,振动烈度、峰值因子、偏态和峭度是判断滚动轴承故障的常用特征值。但实际上,当轴承出现微弱故障时,其振动烈度不一定突然变大,很难在测量得到的振动信号中分辨提取出故障特征。
滚动轴承故障早期,故障信号非常微弱,受到的噪声干扰大,以致信噪比低,有用信号被淹没在背景噪声中,早期故障检测即实现在强噪声背景下的微弱信号检测。传统的检测方法多采用降噪消噪的方法抑制噪声,如高阶谱分析,小波降噪分析等,但势必会对有用信号产生一定影响,从而造成诊断精度不高甚至误检`漏检。利用混沌振子的微弱信号检测方法可以无视噪声的影响,专注于微弱信