申请/专利权人：北京工业大学

申请日：2023-07-23

公开（公告）日：2023-11-14

公开（公告）号：CN117056857A

主分类号：G06F18/25

分类号：G06F18/25;G06N3/0455;G06N3/126;G01M13/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明公开了一种基于SAE‑SA的机械设备健康状态评价方法。该方法采集机械设备关键部件处振动信号；用峭度指标对信号通道进行筛选；对信号降噪处理后进行特征提取，然后将提取的特征值利用堆栈自动编码器进行融合；对融合特征进行线性组合，使用遗传算法对进行线性组合的参数进行自适应选择，将衰减趋势性与单调性最好的系数组合作为监测点健康度指数曲线；最后，对所有监测点的健康度指数进行加权求平均，获得机械设备的综合健康度指数。本发明能够准确评估机械设备中各关键部件的健康状态，为机械设备的预测性维护提供指导。

主权项：1.一种基于SAE-SA的机械设备健康状态评价方法，其特征在于，使用SAE-SA对机械设备健康状态进行评价；其具体步骤如下：步骤1：采集机械设备关键部件的振动信号，特别是机械设备的旋转部件；所述振动信号通过安装在机械设备关键部件处的三向加速度传感器进行采集；步骤2：从每个三通道振动传感器输出的三个通道信号中选择最能代表对应部件的退化趋势的通道信号作为健康评估的原始信号；步骤3：对所述的传感器原始信号进行预处理，除去噪声和干扰；步骤4：对所述信号添加时间窗，提取该时间窗内信号的时域特征、频域特征和时频域特征，所述样本的所有特征组合生成特征数据集，对所述样本特征数据进行标准化处理；步骤5：将所述的样本特征数据集输入到提前构建好的堆栈自编码器模型SAE中，进行特征融合；步骤6：通过遗传算法SA，获取最优线性组合系数，对融合特征数据集进行线性组合，获取检测对象的健康度值映射；步骤7：将机械设备各关键部件监测点的健康指数进行加权求平均，获得机械设备的综合健康度指数。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于SAE-SA的机械设备健康状态评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD