[發(fā)明專利]軸承故障檢測(cè)方法及系統(tǒng)在審
| 申請(qǐng)?zhí)枺?/td> | 201910202408.X | 申請(qǐng)日: | 2019-03-15 |
| 公開(公告)號(hào): | CN109827776A | 公開(公告)日: | 2019-05-31 |
| 發(fā)明(設(shè)計(jì))人: | 陳劍;陶善勇 | 申請(qǐng)(專利權(quán))人: | 合肥工業(yè)大學(xué) |
| 主分類號(hào): | G01M13/045 | 分類號(hào): | G01M13/045 |
| 代理公司: | 上海光華專利事務(wù)所(普通合伙) 31219 | 代理人: | 王華英 |
| 地址: | 230009 安*** | 國(guó)省代碼: | 安徽;34 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 原始振動(dòng)信號(hào) 軸承故障檢測(cè) 耦合輸入信號(hào) 粒子群算法 模式分解 分解 雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng) 故障特征信號(hào) 參數(shù)組合 隨機(jī)共振 微弱故障 信號(hào)處理 信號(hào)檢測(cè) 優(yōu)化 采集 | ||
1.一種軸承故障檢測(cè)方法,其特征在于,包括:
采集原始振動(dòng)信號(hào),以粒子群算法計(jì)算所述原始振動(dòng)信號(hào)得分解參數(shù);
優(yōu)化所述分解參數(shù),以得到參數(shù)組合信息,據(jù)以分解所述原始振動(dòng)信號(hào)為模式分解信息;
提取所述模式分解信息中的耦合輸入信號(hào);
以所述粒子群算法優(yōu)化雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng),據(jù)以對(duì)所述耦合輸入信號(hào)進(jìn)行隨機(jī)共振處理,以得到故障特征信號(hào)。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述計(jì)算得分解參數(shù)的步驟,包括:
以振動(dòng)感應(yīng)裝置獲取軸承的所述原始振動(dòng)信號(hào);
根據(jù)所述原始振動(dòng)信號(hào)獲取粒子迭代數(shù)據(jù),據(jù)以計(jì)算適應(yīng)度數(shù)據(jù);
根據(jù)所述適應(yīng)度數(shù)據(jù)設(shè)定粒子群迭代邏輯;
根據(jù)所述粒子群迭代邏輯計(jì)算得所述分解參數(shù)。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述分解原始振動(dòng)信號(hào)的步驟,包括:
獲取包絡(luò)數(shù)據(jù),據(jù)以計(jì)算所述分解參數(shù),以得到所述參數(shù)組合信息;
根據(jù)各所述參數(shù)組合信息設(shè)定模態(tài)分解邏輯;
根據(jù)所述模態(tài)分解邏輯將所述原始振動(dòng)信號(hào)分解為多個(gè)模態(tài)分量。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述提取耦合輸入信號(hào)的步驟,包括:
獲取所述模式分解信息的峭度數(shù)據(jù);
根據(jù)所述峭度數(shù)據(jù)篩選所述模式分解信息得到可用模態(tài)分量;
處理所述可用模態(tài)分量為所述耦合輸入信號(hào)。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述共振處理信號(hào)的步驟,包括:
提取粒子群中各粒子的耦合系統(tǒng)參數(shù),據(jù)以計(jì)算輸出信噪比;
根據(jù)所述輸出信噪比設(shè)置所述粒子的速度和位置,據(jù)以計(jì)算共振系統(tǒng)更新數(shù)據(jù);
根據(jù)所述共振系統(tǒng)更新數(shù)據(jù)更新所述雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng);
隨機(jī)共振處理所述耦合輸入信號(hào)獲取所述故障特征信號(hào)。
6.一種軸承故障檢測(cè)系統(tǒng),其特征在于,包括:
分解參數(shù)模塊,用以采集原始振動(dòng)信號(hào),以粒子群算法計(jì)算所述原始振動(dòng)信號(hào)得分解參數(shù);
分解模塊,用以優(yōu)化所述分解參數(shù),以得到參數(shù)組合信息,據(jù)以分解所述原始振動(dòng)信號(hào)為模式分解信息;
耦合輸入模塊,用以提取所述模式分解信息中的耦合輸入信號(hào);
穩(wěn)態(tài)共振模塊,用于以所述粒子群算法優(yōu)化雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng),據(jù)以對(duì)所述耦合輸入信號(hào)進(jìn)行隨機(jī)共振處理,以得到故障特征信號(hào)。
7.根據(jù)權(quán)利要求6所述的系統(tǒng),其特征在于,所述分解參數(shù)模塊,包括:
原始信號(hào)模塊,用于以振動(dòng)感應(yīng)裝置獲取軸承的所述原始振動(dòng)信號(hào);
適應(yīng)度模塊,用以根據(jù)所述原始振動(dòng)信號(hào)獲取粒子迭代數(shù)據(jù),據(jù)以計(jì)算適應(yīng)度數(shù)據(jù);
迭代設(shè)定模塊,用以根據(jù)所述適應(yīng)度數(shù)據(jù)設(shè)定粒子群迭代邏輯;
參數(shù)計(jì)算模塊,用以根據(jù)所述粒子群迭代邏輯計(jì)算得所述分解參數(shù)。
8.根據(jù)權(quán)利要求6所述的系統(tǒng),其特征在于,所述分解模塊,包括:
參數(shù)組件模塊,用以獲取包絡(luò)數(shù)據(jù),據(jù)以計(jì)算所述分解參數(shù),以得到所述參數(shù)組合信息;
分解邏輯模塊,用以根據(jù)各所述參數(shù)組合信息設(shè)定模態(tài)分解邏輯;
分量獲取模塊,用以根據(jù)所述模態(tài)分解邏輯將所述原始振動(dòng)信號(hào)分解為多個(gè)模態(tài)分量。
9.根據(jù)權(quán)利要求6所述的系統(tǒng),其特征在于,所述耦合輸入模塊,包括:
峭度模塊,用以獲取所述模式分解信息的峭度數(shù)據(jù);
分量篩選模塊,用以根據(jù)所述峭度數(shù)據(jù)篩選所述模式分解信息得到可用模態(tài)分量;
分量處理模塊,用以處理所述可用模態(tài)分量為所述耦合輸入信號(hào)。
10.根據(jù)權(quán)利要求6所述的系統(tǒng),其特征在于,所述穩(wěn)態(tài)共振模塊,包括:
信噪比模塊,用以提取粒子群中各粒子的耦合系統(tǒng)參數(shù),據(jù)以計(jì)算輸出信噪比;
更新數(shù)據(jù)模塊,用以根據(jù)所述輸出信噪比設(shè)置所述粒子的速度和位置,據(jù)以計(jì)算共振系統(tǒng)更新數(shù)據(jù);
共振更新模塊,用以根據(jù)所述共振系統(tǒng)更新數(shù)據(jù)更新所述雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng);
特征獲取模塊,用以隨機(jī)共振處理所述耦合輸入信號(hào)獲取所述故障特征信號(hào)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于合肥工業(yè)大學(xué),未經(jīng)合肥工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910202408.X/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 用于無線互聯(lián)網(wǎng)的雙WiFi設(shè)備和使用雙WiFi設(shè)備的無線互聯(lián)網(wǎng)系統(tǒng)
- 用于無線互聯(lián)網(wǎng)的WiFi設(shè)備和使用WiFi設(shè)備的無線互聯(lián)網(wǎng)系統(tǒng)
- 定向耦合器及其設(shè)計(jì)方法
- 一種CDMA多載波線性優(yōu)化裝置
- 耦合裝置、天線裝置、電子設(shè)備和控制方法
- 在JTAG接口中的組合串行和并行測(cè)試訪問端口選擇
- 用于將TAP信號(hào)耦合到集成電路封裝中的JTAG接口的電路
- 一種印刷電路板濾波器及無線通信裝置
- 一種直流供電照明調(diào)光模塊
- 一種直流供電照明調(diào)光模塊
- 一種新的混沌粒子群優(yōu)化算法
- 電動(dòng)汽車磁耦合無線充電系統(tǒng)的最大效率跟蹤方法
- 頻率分叉時(shí)電動(dòng)汽車無線充電樁效率極值點(diǎn)跟蹤方法
- 一種基于粒子群優(yōu)化算法的呼叫中心排班方法
- 面向功耗的混合粒子群脈沖神經(jīng)網(wǎng)絡(luò)映射方法
- 基于教學(xué)和粒子群算法的主動(dòng)配電網(wǎng)智能混合重構(gòu)方法
- 一種基于變異型粒子群算法的圖像分割方法及系統(tǒng)
- 基于克隆免疫粒子群算法的多電機(jī)協(xié)同控制PID參數(shù)優(yōu)化方法
- 一種基于混沌粒子群的光伏發(fā)電最大功率點(diǎn)跟蹤算法
- 一種用于光伏陣列的優(yōu)化方法





