[发明专利]一种自学习振动故障诊断方法

权利要求书

1.一种自学习振动故障诊断方法，其特征在于，包括以下步骤：

（1）实时采集振动信号；

（2）将振动信号通过AD转换后采集进自学习振动故障诊断模型中；

（3）将通过AD转换后的振动信号通过傅里叶变换实现时域向频域的转换，获取振动信号在不同频率上相应的振动幅值；

（4）将自学习振动故障诊断模型初始化为任何数据都为故障的状态，然后在确定自学习振动故障诊断模型正常的状态下，将通过傅里叶变换后的振动信号中的频率值作为神经网络中的第一输入值，将频段上对应的振动幅值作为神经网络中的第二输入值，将第一输入值、第二输入值输入模型中，将计算得到的输出阈值范围替换自学习振动故障诊断模型中初始化数据都为故障的初始阈值范围，建立诊断模型；

（5）保持诊断模型不再改变，通过实时采集的振动信号作为输入信号并输入该诊断模型中，由此经判断得出振动幅度是否正常。

2.根据权利要求1所述的一种自学习振动故障诊断方法，其特征在于：所述步骤（1）中的振动信号包括振动幅度信号或振动声响信号中的任意一种。

3.根据权利要求1所述的一种自学习振动故障诊断方法，其特征在于：所述步骤（4）中，通过人工或检测仪器确定自学习振动故障诊断模型处于正常的状态下。

4.根据权利要求1所述的一种自学习振动故障诊断方法，其特征在于：所述步骤（4）中将频段上对应的振动幅值经过归一化处理后再作为神经网络中的第二输入值。

5.根据权利要求1所述的一种自学习振动故障诊断方法，其特征在于：所述步骤（4）中第一输入值、第二输入值一一对应地被成对输入模型中。

6.根据权利要求1所述的一种自学习振动故障诊断方法，其特征在于：所述步骤（5）中，通过实时采集的振动信号作为输入信号并输入该诊断模型中，当诊断模型计算得到的结果位于输出阈值范围内时，判断为振动幅度正常；当诊断模型计算得到的结果超出输出阈值范围时，判断为振动幅度非正常。