[發明專利]一種機械設備故障診斷方法及系統有效
| 申請號： | 202110941703.4 | 申請日： | 2021-08-17 |
| 公開（公告）號： | CN113654782B | 公開（公告）日： | 2022-08-09 |
| 發明（設計）人： | 郎恂;劉淞華;何冰冰;陳啟明;張榆鋒;謝磊 | 申請（專利權）人： | 云南大學 |
| 主分類號： | G01M13/00 | 分類號： | G01M13/00;G01M13/003;G01H17/00;G06F17/18 |
| 代理公司： | 北京高沃律師事務所 11569 | 代理人： | 王愛濤 |
| 地址： | 650091*** | 國省代碼： | 云南;53 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 機械設備 故障診斷 方法 系統 | ||
1.一種機械設備故障診斷方法，其特征在于，包括：
確定目標機械設備的振動信號；
計算不同噪聲幅值所對應的模態混沌指標，并選擇最小的模態混沌指標所對應的噪聲幅值作為最優噪聲幅值；其中，所述模態混沌指標是通過計算總體經驗模態分解算法的分解結果得到的；
確定期望分解誤差，并基于所述期望分解誤差和所述最優噪聲幅值，計算最優總體平均次數；
采用配置參數后的總體經驗模態分解算法，對所述振動信號進行分解，得到各個模態函數；所述配置參數后的總體經驗模態分解算法為在總體經驗模態分解算法的基礎上，將添加的噪聲的幅值設置為最優噪聲幅值，將總體平均次數設置為最優總體平均次數后得到的總體經驗模態分解算法；
對分解得到的各個所述模態函數進行包絡解調譜分析，以提取目標機械設備的特征頻率，并基于所述目標機械設備的特征頻率對所述目標機械設備進行故障診斷；
所述計算不同噪聲幅值所對應的模態混沌指標，并選擇最小的模態混沌指標所對應的噪聲幅值作為最優噪聲幅值，具體包括：
確定噪聲幅值系數的搜索范圍以及搜索步長；
依據所述搜索范圍和所述搜索步長，生成噪聲幅值集合；所述噪聲幅值集合中第i個噪聲幅值為εi＝αi×std[x(t)]，x(t)為目標機械設備的振動信號，std[·]為標準差算子，αi為第i個噪聲幅值系數；
計算所述噪聲幅值集合中不同噪聲幅值所對應的模態混沌指標；
選擇最小的模態混沌指標所對應的噪聲幅值作為最優噪聲幅值；
所述計算所述噪聲幅值集合中不同噪聲幅值所對應的模態混沌指標，具體包括：
依次將所述噪聲幅值集合中的每個噪聲幅值配置給總體經驗模態分解算法，以得到多個配置噪聲幅值后的總體經驗模態分解算法；其中，所述配置噪聲幅值后的總體經驗模態分解算法的個數與所述噪聲幅值的個數相同，且不同的配置噪聲幅值后的總體經驗模態分解算法配置有不同的所述噪聲幅值；
采用配置標定噪聲幅值后的總體經驗模態分解算法，對所述振動信號進行分解，得到所述標定噪聲幅值對應的標定波動指數集合；所述標定波動指數集合包括各個模態的分段標準差波動指數；所述標定噪聲幅值為所述噪聲幅值集合中的任意噪聲幅值；
將所述標定波動指數集合中的各個模態的所述分段標準差波動指數求和，得到每個所述噪聲幅值對應的模態混沌指標；
第k個模態的所述分段標準差波動指數的計算公式為：
其中，SSDVIk是第k個模態的分段標準差波動指數，std[·]是標準差算子，是第k個模態中第n段信號，n＝1,2,...,S。
2.根據權利要求1所述的一種機械設備故障診斷方法，其特征在于，所述確定期望分解誤差，并基于所述期望分解誤差和所述最優噪聲幅值，計算最優總體平均次數，具體包括：
將所述振動信號的標準差的1％確定為期望分解誤差；
基于公式計算最優總體平均次數；
其中，Nopt是最優的總體平均次數，εopt是最優噪聲幅值，e是期望分解誤差。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于云南大學，未經云南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110941703.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：智能化全自動滅火系統
- 下一篇：一種利用激波效應實現在空氣中成像的方法
