龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：泰智维新(上海)数字科技有限公司
摘要：本发明介绍一种变工况和复杂环境下的轴系设备不对中故障诊断方法，涉及金属热处理技术领域，本发明针对在变工况和复杂环境下对轴承不对中的故障诊断准确率的要求，提出了一种融合物联网、大数据和人工智能深度学习算法，并结合传统的基于振动分析的时域分析、频域分析和时频域等相关算法对轴承不对中进行状态监测、故障预警、报警处置和故障诊断，可以帮助设备点巡检工作人员、设备专家和故障诊断分析师以及设备厂家设计人员实现对轴承不对中进行全面、实时远程监控、远程诊断，并帮助开发人员和算法工程师等进行高效优化模型算法。
主权项：1.一种变工况和复杂环境下的轴系设备不对中故障诊断方法，其特征在于，包括在线监测测点部署部分、基于EFK-MCKD的信号去噪处理部分、特征提取及融合部分、SVM和WDCNN联合模型训练部分、实时推理诊断部分，包括以下步骤：S1：从边缘端获取采集的振动信号数据；S2：初始化重构点数ResCot1＝5，累加点数AddCot＝5，截止点数EndCot＝60，j＝1；S3：设含噪声的周期性冲击信号为yt，计算频谱Yf＝FFTyt及关键函数Kf＝FFTYf，其中FFT为快速傅里叶变换；S4：根据重构点数ResCotj计算频谱的趋势成分，其中，iFFT为逆快速傅里叶变换；S5：求取趋势成分的极小值点序列并作为边界数组，并将二维边界数组归一化至[0，π]，建立自适应滤波器分解信号；S6：设定MCKD的滤波器长度参数L和解卷积周期T的寻优范围；S7：得到MCKD的最优滤波器长度参数Best_L和最优解卷积周期Best_T，并对最优分量进行MCKD分析，最终对解卷积后的信号进行解调；S8：提取时域、频域、时频域特征；S9：对数据集D，划分70％训练集DT和30％测试集Dt；S10：利用训练集DT训练得到2种基分类器SVM和WDCNN，由分类器SVM和WDCNN分别对测试集Dt中每个样本的类别进行分类，得到预测值P1i和P2i；S11：若P1i和P2i的结果相同，则取任一结果作为最终预测值，若P1i和P2i的结果不同，则取两种分类器中softmax概率最大的值作为最终预测值。
全文数据：
权利要求：
百度查询： 泰智维新(上海)数字科技有限公司 一种变工况和复杂环境下的轴系设备不对中故障诊断方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号