申请/专利权人：西北工业大学

申请日：2024-05-09

公开（公告）日：2024-07-05

公开（公告）号：CN118296362A

主分类号：G06F18/2131

分类号：G06F18/2131;G06F18/15;G06F17/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明涉及机电设备故障诊断技术领域，具体涉及一种基于时频重叠群稀疏分解模型的旋转机械的故障诊断方法，包括：获取旋转机械在同时段内的振动加速度信号序列、旋转机械转轴的瞬时转频信号序列以及旋转机械中各个部件的理论故障特征阶次；获取时频重叠群稀疏分解模型；对时频重叠群稀疏分解模型的参数组合进行优化得到每个部件关于时频重叠群稀疏分解模型对应的最优参数组合；获取每个部件对应的时域重构信号序列；获取各个部件对应的等角度采样信号序列；获取旋转机械的故障部件。本实现了对变转速工况下的旋转机械非周期性故障冲击特征信号进行准确提取，从而准确确定旋转机械的故障部件。

主权项：1.一种基于时频重叠群稀疏分解模型的旋转机械的故障诊断方法，其特征在于，包括：获取旋转机械在同时段内的振动加速度信号序列、旋转机械转轴的瞬时转频信号序列以及旋转机械中各个部件的理论故障特征阶次；基于对称Laplace小波基函数，建立基于连续对称Laplace小波变换增强的时频重叠群稀疏分解模型；利用多目标优化算法对时频重叠群稀疏分解模型的参数组合进行优化，得到每个部件关于时频重叠群稀疏分解模型对应的最优参数组合，其中，参数组合中的参数包括：时频重叠群稀疏分解模型的时频块的行数、时频块的列数、稀疏度参数以及阻尼比参数；基于每个部件关于时频重叠群稀疏分解模型对应的最优参数组合得到对应的目标时频重叠群稀疏分解模型，利用每个部件对应的目标时频重叠群稀疏分解模型对旋转机械的振动加速度信号序列进行分解，并对分解结果进行连续对称Laplace小波逆变换得到每个部件对应的时域重构信号序列；对瞬时转频信号序列进行累积积分得到角度域信号序列，获取角度域信号序列和时域重构信号序列的映射关系，基于映射关系并采用内插值方法在预设的等角度采样序列上进行插值得到各个部件对应的等角度采样信号序列；根据等角度采样信号序列的包络信号及包络阶次谱，获取旋转机械的故障部件。

全文数据：

权利要求：

百度查询： 西北工业大学 基于时频重叠群稀疏分解模型的旋转机械的故障诊断方法

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