专利汇可以提供一种高速旋转器件故障诊断装置及其诊断方法专利检索,专利查询,专利分析的服务。并且本 发明 公布了一种高速旋转器件故障诊断装置,其特征在于:其包括轨道基、轨道、高速旋转器件和故障诊断设备。一种高速旋转器件故障诊断方法,首先定义故障模式及采集对应故障模式下高速旋转器件的特征集F{·},然后通过特定的 算法 对后续实时采集的高速旋转器件的特征集F{·}进行判别,实现对应故障类型的判别。相比于定期的检测维护和事故后维修,本发明可以实现高速旋转器件运动状态的实时监测,对故障进行分类预警,避免因高速旋转器件的故障造成整台机械装备的损坏。,下面是一种高速旋转器件故障诊断装置及其诊断方法专利的具体信息内容。
1.一种高速旋转器件故障诊断装置,其特征在于:其包括轨道基、轨道、高速旋转器件和故障诊断设备;所述高速旋转器件沿轨道在轨道基上高速旋转,其上设置有监测点;所述故障诊断设备正对着所述监测点,固定在轨道基上;所述故障诊断设备为非接触监测装置,具有信号采集、信号脉冲特征提取和故障类型判别的功能,用于采集监测点的信号。
2.根据权利要求1所述的高速旋转器件故障诊断装置,其特征在于:所述故障诊断设备还包括声音、光电指示灯,用于准确提示故障类型。
3.一种高速旋转器件故障诊断方法,包括下述步骤:
(1)对故障模式进行定义,A1模式:高速旋转器件脱离轨道;A2模式:高速旋转器件静止不动;A3模式:高速旋转器件间歇旋转;A4模式:高速旋转器件速度偏低;A5模式:高速旋转器件严重磨损,速度正常,脉冲信号占空比变小;
(2)故障诊断设备采用非接触方式采集高速旋转器件的时频信号,所述信号为一维信号或者二维信号,采集信号后,对高速旋转器件对应的时频信号进行稀疏表示;
(3)通过时频信号进行稀疏表示的方法提取高速旋转器件特征,在信号特征提取时,分别提取高速旋转器件时频能量分布统计特征,时域和频域分布的能量均值 、能量最大值Emax、能量最小值Emin、能量极差Ed,以及能量分布满足特殊分布函数或者谱模型时,原始时域信号的统计特征;将提取的各类特征组合为特征集F{·}用于描述步骤(1)中高速旋转器件故障模式;
(4)对故障模式进行编码,不同的特征集F{·}对应于不同的故障模式编码;
(5)对于故障诊断设备后续实时采集的高速旋转器件的特征集F{·}通过如人工神经网络方法、支持向量机、随机森林、Bagging算法和Boosting算法的模式判别的方法,与事先定义的故障模式特征集F{·}进行判别,构建特征集合特征集F{·}与故障模式编码之间的线性或非线性映射关系,实现对应故障类型的判别。
4.根据权利要求3所述的高速旋转器件故障诊断方法,其特征在于:所述步骤(2)中时频信号进行稀疏表示的方法为如Gabor变换,小波变换的线性时频分析法;如Wigner-Ville 分布谱分析的双线性时频分析法;如基于基函数分解表示的投影追踪算法和匹配追踪算法的自适应信号分解方法;以及应用Hilbert-Huang时频分析法与线性、双线性时频分析方法和自适应分解方法的组合。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法 | 2020-05-11 | 518 |
一种基于数据挖掘的结构安全评估及预报方法 | 2020-05-12 | 427 |
一种基于投票集成学习的心电数据智能分类方法 | 2020-05-12 | 330 |
一种基于深度强化学习的订单信息处理方法 | 2020-05-08 | 589 |
一种快速建模的方法 | 2020-05-11 | 53 |
一种吹塑成形工艺参数在线调控方法 | 2020-05-12 | 739 |
一种基于特征选择的皮肤检测混合颜色空间的选取方法 | 2020-05-13 | 992 |
基于最大熵特征的葡萄分类提取方法 | 2020-05-11 | 297 |
一种基于核主成分分析和多项式特征的脑血管病神经功能损伤程度预测模型 | 2020-05-11 | 347 |
一种基于误差匹配的中低压燃气调压器故障检测方法 | 2020-05-12 | 774 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。