申请/专利权人：河北科技大学

申请日：2024-01-03

公开（公告）日：2024-04-02

公开（公告）号：CN117807479A

主分类号：G06F18/24

分类号：G06F18/24;G01M13/045;G06F18/10;G06N3/006

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：本发明公开了一种基于北方苍鹰算法（GNO）优化最大相关峭度解卷积（MCKD）的滚动轴承故障诊断方法，解决了MCKD需要手动设置参数的问题。该发明主要包括以下几个步骤：采集滚动轴承故障振动信号；根据轴承参数计算轴承理论故障特征频率，解卷积周期T；初始化GNO的参数以及变量搜素空间；设置GNO以包络谱峰因子作为适应度函数，自适应的选择滤波器长度L，移位数M，解卷积周期T的最优组合；基于最优的L、M、T组合设置MCKD参数，并对故障信号做解卷积处理；对解卷积信号进行包络解调，将包络谱中突出的频率与理论的故障特征进行对比，从而判断故障类型。

主权项：1.一种基于GNO优化MCKD的滚动轴承故障诊断方法，其特征在于，包括以下几个步骤：步骤1：采集滚动轴承故障振动信号；步骤2：根据轴承参数计算轴承理论故障特征频率，解卷积周期T；步骤3：初始化GNO参数及变量搜索空间；步骤4：设置GNO以包络谱峰值因子作为适应度函数，自适应的选择滤波器长度L，移位数M，解卷积周期T的最优组合；步骤5：基于最优的L、M、T组合设置MCKD参数，并对故障信号做解卷积处理；步骤6：对解卷积信号进行包络解调，将包络谱中突出的频率与理论的故障特征进行对比，从而判断故障类型。

全文数据：

权利要求：

百度查询： 河北科技大学 基于GNO优化MCKD的滚动轴承故障诊断方法

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。

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