[发明专利]一种基于谱峭度算法的机械设备故障诊断方法、系统及可读存储介质

权利要求书

1.一种基于谱峭度算法的机械设备故障诊断方法，其特征在于，包括：

获取机械设备结构特征，采集机械设备不同测点的振动信号；

对振动信号进行预处理，得到结果信息；

将结果信息进行特征提取，并通过共振解调法获取设备故障特征，得到故障信息；

通过故障信息进行故障类型与故障程度进行判别，生成维修顺序及维修策略。

2.根据权利要求1所述的一种基于谱峭度算法的机械设备故障诊断方法，其特征在于：获取机械设备结构特征，采集机械设备不同测点的振动信号；具体包括：

建立多点测量与多速度功率谱熵进行监测设备振动变化规律，得到设备振动信号；

将设备振动信号分解为高共振分量信号与低共振分量信号，并各自分析高共振分量信号与低共振分量信号的波形特点与振荡属性；

通过稀疏共振分解法对高共振分量信号与低共振分量信号进行滤波处理；

根据正交匹配追踪算法表征设备实时状态数据。

3.根据权利要求1所述的一种基于谱峭度算法的机械设备故障诊断方法，其特征在于：通过共振解调法获取设备故障特征，得到故障信息；具体包括：

获取设备振动信号，通过谱峭度算法选择振动信号的共振频率中心及带宽，并对振动信号进行频带分割；

提取振动信号中周期性冲击特征，

通过傅里叶分解计算时域信号中的振动信号谱峭度；

通过谱峭度信息识别故障部位及故障类型。

4.根据权利要求3所述的一种基于谱峭度算法的机械设备故障诊断方法，其特征在于：通过谱峭度算法选择振动信号的共振频率中心及带宽，具体为，

获取设备故障信号，通过粒子群算法对故障参数进行中心频率及带宽系数寻优计算；

判断时域峭度至是否大于预定阈值；

若大于，则以当前中心频率及带宽系数进行故障信号陷波；

对故障信号进行共振解调，并提取故障特征频率，得到故障信息。

5.根据权利要求4所述的一种基于谱峭度算法的机械设备故障诊断方法，其特征在于：粒子群算法具体为，

建立粒子群适应度函数，对粒子进行迭代计算，

计算出每个迭代位置对应的适应度函数值；

设定迭代次数，确定迭代初始位置和初始速度；

计算初始位置粒子的适应度函数，并根据计算结果更新函数极值；

重复迭代，直至输出最佳适应值与粒子位置。

6.根据权利要求5所述的一种基于谱峭度算法的机械设备故障诊断方法，其特征在于：

粒子群适应度函数表达式为

式中，M表示适应度函数，x表示振动信号，ζ表示振动信号离散序列的均值，δ表示振动信号离散序列的标准差；λ表示适应度函数修正系数。

7.一种基于谱峭度算法的机械设备故障诊断系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于谱峭度算法的机械设备故障诊断方法程序，所述基于谱峭度算法的机械设备故障诊断方法程序被所述处理器执行时实现如下步骤：

获取机械设备结构特征，采集机械设备不同测点的振动信号；

对振动信号进行预处理，得到结果信息；

将结果信息进行特征提取，并通过共振解调法获取设备故障特征，得到故障信息；

通过故障信息进行故障类型与故障程度进行判别，生成维修顺序及维修策略。

8.根据权利要求7所述的一种基于谱峭度算法的机械设备故障诊断系统，其特征在于：

获取机械设备结构特征，采集机械设备不同测点的振动信号；具体包括：

建立多点测量与多速度功率谱熵进行监测设备振动变化规律，得到设备振动信号；

将设备振动信号分解为高共振分量信号与低共振分量信号，并各自分析高共振分量信号与低共振分量信号的波形特点与振荡属性；

通过稀疏共振分解法对高共振分量信号与低共振分量信号进行滤波处理；

根据正交匹配追踪算法表征设备实时状态数据。