[發明專利]一種血型離心機變學習速率小波BP神經網絡故障檢測方法

無效

• 申請號: 201310419243.4
• 申請日: 2013-09-13
• 公開（公告）號: CN103512765A
• 公開（公告）日: 2014-01-15
• 發明（設計）人: 羅剛銀
• 申請（專利權）人: 中國科學院蘇州生物醫學工程技術研究所
• 主分類號: G01M99/00
• 分類號: G01M99/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹毅

1.?一種血型離心機變學習速率小波BP神經網絡故障檢測方法，其特征在于，包括以下步驟：

步驟1）離心機振動信號采集

采用壓電加速度傳感器和電渦流位移傳感器采集離心機轉動時的振動信號；

步驟2）小波變換去噪

選擇合適的閾值函數，在小波變換域中去除離心機振動信號中低幅度的噪聲和我們所不期望的信號，然后進行離散小波變換的逆變換，重構出降噪后的信號；

步驟3）小波包變換特征提取

首先對測得的離心機振動信號進行三層小波包變換，接著對第三層小波包分解結果的八個小波系數分別進行小波包重構，重構后得到八個分頻帶，然后分別計算八個分頻帶的功率譜密度，把不同分頻帶上信號的功率譜密度按尺度順序排列起來，得出離心機不同故障對應振動信號的功率譜密度特征向量；

步驟4）變學習速率小波BP神經網絡訓練

選擇神經網絡的訓練樣本，訓練用于識別血型離心機故障類型的變學習速率小波BP神經網絡；

步驟5）離心機故障類型識別

根據振動信號的不同特征向量自動識別出血型離心機相應的故障類型。

2.根據權利要求1所述的血型離心機變學習速率小波BP神經網絡故障檢測方法，其特征在于，所述步驟2中闕值函數的選取方法中，采用一種改進的閾值函數方法，即二項式模開方法，其表達式如下式所示：

??

其中，為第j層小波變換的小波系數，為閾值處理后的小波系數，、、為閾值函數的調節因子，T為所取的閾值。

3.根據權利要求1所述的血型離心機變學習速率小波BP神經網絡故障檢測方法，其特征在于，所述步驟3中小波包變換特征提取的算法中，假設離心機振動信號第（）個分頻帶的所對應的能量為，則分頻帶的功率譜密度計算如下：

????????????????????????????????????????

其中，為各個分頻帶的長度，{}為重構的分頻帶上各點所對應的幅值序列，以分頻帶的功率譜密度為元素，構造一個特征向量,然后用下面公式對特征向量的各個元素（）進行歸一化處理：

?????????????????????????????

可見，為第個分頻帶中能量在信號總能量中所占的比例，最終，得到歸一化的功率譜密度特征向量：

?????????????????

根據權利要求1所述的血型離心機變學習速率小波BP神經網絡故障檢測方法，其特征在于，所述步驟4中變學習速率小波BP神經網絡訓練中，學習速率的調整過程按下面的規則進行：

其中，、分別為第次和第次的學習速率，和分別為第次和第次的誤差能量；、為學習速率的調整因子，通常，。