申请/专利权人:中国矿业大学
申请日:2024-01-22
公开(公告)日:2024-03-22
公开(公告)号:CN117740381A
主分类号:G01M13/045
分类号:G01M13/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种低速重载工况下的轴承故障诊断方法,采用单分量VMD能够有效避免模态混叠和端点效应,具有较好的鲁棒性,分解效果受噪声干扰较小,从而有效分离出低速重载工况下轴承振动信号中包含主要故障成分的信号分量,并形成重构信号;接着对重构信号采用SAE通过多层编码和解码有效地提取信号的高阶特征,扩大不同信号分量之间的差异性;然后RF采用基于Bagging随机选择属性的方法,有效降低了树与树之间的相关性,同时建立的单棵非剪枝决策树能达到较低的误差,构建高阶特征与故障类别标签之间的映射关系;最终根据映射关系结合提取的高阶特征信号,从而实现低速重载工况下的轴承故障的精确诊断。
主权项:1.一种低速重载工况下的轴承故障诊断方法,其特征在于,具体步骤为:步骤一、采集低速重载工况下的混合振动信号,基于信号频谱分布特性确定信号分量中心频率和信号个数,并采用单分量VMD逐一提取信号分量;步骤二、通过SAE挖掘步骤一提取信号的内部信息,从各信号分量中充分提取高阶特征,增强不同信号分量之间的差异特性;步骤三、采用RF构建高阶特征与故障类别标签之间的映射关系,根据映射关系并结合步骤二获取的各信号分量的高阶特征,从而得到当前信号对应的故障类别标签,最终实现低速重载工况下的轴承故障的精确诊断。
全文数据:
权利要求:
百度查询: 中国矿业大学 一种低速重载工况下的轴承故障诊断方法
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。