申请/专利权人：丽水市特种设备检测院

申请日：2021-03-02

公开（公告）日：2024-02-09

公开（公告）号：CN112949491B

主分类号：G06F18/2431

分类号：G06F18/2431;G06F18/2321;G06F18/213;F04B51/00

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2021.07.02#实质审查的生效;2021.06.11#公开

摘要：本发明属于液压故障诊断技术领域，公开了一种基于DMD和t‑SNE的液压泵故障分析方法及系统，利用传感器测量液压泵不同故障类型下的振动信号，对液压泵多组不同故障类型振动信号首先利用DMD进行分解获得最能表征信号特点的故障模式分量，再计算分量的方差、峭度等特征参数，形成高维数据结构，然后对其进行t‑SNE降维分析，最终在可视的三维或者二维空间中实现不同故障类型的聚类，进而对液压泵不同类型故障进行无监督识别，为液压泵故障监测与诊断提供了一种新的方法。本发明通过数值仿真分析和试验台故障数据分析，验证了本发明基于DMD和t‑SNE的液压泵故障分析方法的可行性及有效性。

主权项：1.一种基于DMD和t-SNE的液压泵故障分析方法，其特征在于，所述基于DMD和t-SNE的液压泵故障分析方法包括：获取液压泵振动信号，并对获取的液压泵信号进行特征提取、分析处理，进行故障类型的识别与判断；所述获取液压泵振动信号，并对获取的液压泵信号进行特征提取、分析处理，进行故障类型的识别与判断包括：通过对泵体布置传感器进行监测获得振动信号，对所述振动信号进行模式分解，获得表征信号本质特征的模式分量，再对模式分量进行降维处理和聚类分析，从而进行不同故障类型的准确识别；所述基于DMD和t-SNE的液压泵故障分析方法包括具体以下步骤：步骤一，利用传感器测量液压泵不同故障类型下的振动信号，利用DMD对振动信号进行分解获得最能表征信号特点的故障模式分量；步骤二，计算分量的方差、峭度多个特征参数，形成高维数据结构；步骤三，对步骤二得到的高维数据进行t-SNE降维分析，在可视的三维或二维空间中进行不同故障类型的自动聚类，识别液压泵不同类型的故障；所述步骤二中，特征参数包括：平均值、有效值、峰值、方根幅值、歪度、峭度、波形指标、峰值指标、脉冲指标、裕度指标、峭度指标、频率重心、频率均方、频率均方根、频率方差、频率标准差；所述利用DMD对液压泵振动信号进行分解包括：利用下式对液压泵振动数据进行分解：φi＝V1N-1yi；式中，表示动模式即对特征张量的分解结果； 表示由一定数量向量构成的原始数据特征张量序列矩阵，N表示序列的总数；yi表示伴随矩阵S的对应的特征向量，满足Syi＝μiyi；其中，μi表示S的特征值，μi的模量用于反映相应动模式的稳定性；所述伴随矩阵S由线性系数组成： ；其中，βi表示线性系数；步骤三中，对所述分解结果进行t-SNE降维分析包括：1在高维、低维空间中，定义概率分布： 2对于高维空间中的点，定义高维空间的联合分布： ；3确定KL距离组成的损失函数如下： 梯度为： 4确定低维空间上的分布函数如下： 梯度如下： 其中，Pj|i表示高维空间中的条件概率；xi、xj表示高维数据点；qj|i表示低维空间中的条件概率；yi和yj表示高维数据点xi和xj在低维空间的映射点。

全文数据：

权利要求：

百度查询： 丽水市特种设备检测院 基于DMD和t-SNE的液压泵故障分析方法及系统

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