[发明专利]一种自学习振动故障诊断方法在审
| 申请号： | 201910116622.3 | 申请日： | 2019-02-15 |
| 公开（公告）号： | CN109738058A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 朱清;华文博 | 申请（专利权）人： | 江苏弘冉智能科技有限公司 |
| 主分类号： | G01H17/00 | 分类号： | G01H17/00;G01M13/00;G06N3/08 |
| 代理公司： | 南京创略知识产权代理事务所(普通合伙) 32358 | 代理人： | 陈雅洁 |
| 地址： | 212003 江苏省镇江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种自学习振动故障诊断方法，包括：（1）实时采集振动信号；（2）对信号进行AD转换；（3）对信号进行傅里叶变换；（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。 | ||
| 搜索关键词： | 振动故障诊断 自学习 振动信号 傅里叶变换 神经网络 实时采集 诊断 初始化数据 模型初始化 振动幅度 频段 替换 输出 | ||
【主权项】：
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。
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江苏弘冉智能科技有限公司，未经江苏弘冉智能科技有限公司许可，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/201910116622.3/，转载请声明来源钻瓜专利网。
