[发明专利]一种旋转机械故障趋势预测的特征提取方法有效
| 申请号： | 201210123651.0 | 申请日： | 2012-04-24 |
| 公开（公告）号： | CN102661783A | 公开（公告）日： | 2012-09-12 |
| 发明（设计）人： | 徐小力;左云波;吴国新;王红军;蒋章雷 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G01H17/00 | 分类号： | G01H17/00;G01M99/00 |
| 代理公司： | 北京远大卓悦知识产权代理事务所(普通合伙) 11369 | 代理人： | 贺持缓 |
| 地址： | 100092 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种旋转机械故障趋势预测的特征提取方法，其步骤为：(1)利用远程在线监测诊断中心进行工业现场数据采集，通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t)；(2)根据FastICA算法对振动信号xj(t)进行盲源分离，得到原始独立振动源sj(t)的近似信号源yj(t)；(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解，提取故障敏感特征频带。本发明由于采用独立成分分析(ICA)处理可以识别出混叠成采集信号的原始的独立信号源，对独立信号源进行基于小波包的特征频带获取，可以判断某个源信号是否在向故障的方向发展，达到提前预防故障的目的。本发明可以广泛在旋转机械故障趋势预测中应用。 | ||
| 搜索关键词： | 一种 旋转 机械 故障 趋势 预测 特征 提取 方法 | ||
【主权项】：
一种旋转机械故障趋势预测的特征提取方法，其包括以下步骤：(1)利用远程在线监测诊断中心进行工业现场数据采集，通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t)，j＝1，2，...，n，其中，j为通道个数，n为正整数；(2)根据FastICA算法对振动信号xj(t)进行盲源分离，得到原始独立振动源sj(t)的近似信号源yj(t)，其中，j＝1，2，...，n；(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解，提取故障敏感特征频带。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京信息科技大学，未经北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210123651.0/，转载请声明来源钻瓜专利网。
