申请/专利权人：江苏大学

申请日：2023-12-13

公开（公告）日：2024-04-12

公开（公告）号：CN117536872B

主分类号：F04C28/28

分类号：F04C28/28;F04C18/12

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了一种罗茨风机状态监测系统与故障预测方法，预测方法包括：收集罗茨风机中监测节点的振动信号，并对所述振动信号进行时域分析和频域分析，获得峰值及频率特征；将采集的风机轴位移及转子转速送入前置器进行转换，获得标准电压或电流信号，并输入至数据采集装置；基于上位机完成采集数据的实时显示、分析处理、故障诊断及报警。本发明充分考虑到车间现场的复杂性，通过外网远程监控系统，管理员和用户实时可在任何地点实现对罗茨风机运行状态的监测，准确判断罗茨风机的运行状态和故障部位。

主权项：1.一种罗茨风机的故障预测方法，其特征在于，包括：收集罗茨风机中监测节点的振动信号，并对所述振动信号进行时域分析和频域分析，获得峰值及频率特征；将采集的风机轴位移及转子转速送入前置器进行转换，获得标准电压或电流信号，并输入至数据采集装置；基于上位机完成采集数据的实时显示、分析处理、故障诊断及报警；基于所述上位机完成采集数据的分析处理，包括：将采集的实时数据进行预处理，确定初始训练样本集，基于所述初始训练样本集判断设备是否正常运行，获得设备正常运行状态下的数据集和设备非正常运行状态下的数据集；将所述设备正常运行状态下的数据集和所述设备非正常运行状态下的数据集映射到高维特征空间中，构造最优分类超平面；计算所述设备非正常运行状态下的数据集中所有样本点到所述最优分类超平面的距离；定义设备非正常运行状态下的样本集到最优分类超平面的距离为样本集中最近的点到最优分类超平面的距离，引入径向基核函数后，建立LSSVM基本数据分类预测模型，并利用粒子群算法对所述LSSVM基本数据分类预测模型中的关键分类参数进行优化。

全文数据：

权利要求：

百度查询： 江苏大学 一种罗茨风机状态监测系统与故障预测方法

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