首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种变速器滚动轴承复合故障诊断方法及系统 

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:华东交通大学

摘要:本发明提供了一种变速器滚动轴承复合故障诊断方法及系统,所述方法包括获取滚动轴承的现有振动信号和影响所述滚动轴承质量的多个因素,利用高斯包络和设计的平顶帽窗口函数所述工作振动信号进行变化处理得到多个频率,比较多个所述因素对应的特征频率与各因素的所述特征频率的对应关系,确定多个所述频率各自对应的因素;利用计算公式求解多个所述频率各自的评价指标,基于所述评价指标评价多个所述频率得到的所述频率各自对应的评价系数,将所述评价系数组成一特征矩阵,基于所述特征矩阵及所述精度向量进行多元回归分析,得到多个所述频率各自对应因素的排序,提高滚动轴承制造质量。

主权项:1.一种变速器滚动轴承复合故障诊断方法,其特征在于,所述方法包括:获取变速器滚动轴承的原始信号,对所述原始信号进行分解得到若干组基础信号;分别利用时域分析法、频域分析法及熵分析法计算每一组所述基础信号的多域特征值,并将所有所述多域特征值形成多域特征值集;利用模态区间对所述多域特征值集进行模态区间化,以获得区间化的多域特征值集;利用马尔科夫转移矩阵将所述区间化的多域特征值集构造为二维信号数据,基于所述变速器滚动轴承的运行状态将所述二维信号数据划分为若干组不同类别的二维特征信号;基于所述二维特征信号构建识别模型,并对所述变速器滚动轴承的运行状态种类进行编码,构成所述识别模型输出目标,并对所述识别模型进行训练;将所述二维特征信号输入至训练后的所述识别模型内,并利用模态区间比较法则,获取所述识别模型输出结果,计算所述识别模型输出结果中的最大区间编码,以得到所述变速器滚动轴承的运行状态;所述时域分析法用于求解所述基础信号的均值、峰峰值、方根幅值、峭度因子、及偏度因子;其中,求解所述均值的公式为: 求解所述峰峰值的公式为: 求解所述方根幅值的公式为: 求解所述峭度因子的公式为: 求解所述偏度因子的公式为: 式中,表示样本点的幅值,表示为样本的点数,表示为样本序号,表示为样本点的最大幅值,表示为样本点的最小幅值,、、、、及分别表示为均值、峰峰值、方根幅值、峭度因子、及偏度因子,其中,2048个基础信号定义为一个样本;所述频域分析法为小波包分解法用于求解所述基础信号的每个频带的能量占比;其中,求解所述基础信号的每个频带的能量占比的公式为: 式中,表示为第层第个频带的小波包分解系数;表示长度为的小波系数重构后对应的离散波形信号,表示为频带的能量占比;所述熵分析法用于求解所述基础信号的近似熵、样本熵、模糊熵、排列熵;其中,求解所述基础信号的近似熵的公式为: 求解所述基础信号的样本熵的公式为: 求解所述基础信号的模糊熵的公式为: 求解所述基础信号的排列熵的公式为: 式中,为整数,表示比较向量的长度,为实数,表示“相似度”的度量值,表示为维数到时与之间距离小于等于的数目,表示为表示维数到时与之间距离小于等于的数目,表示与的切比雪夫距离,即各元素数值差的绝对值的最大值,、、、及分别表示为近似熵、样本熵、模糊熵、排列熵;所述模态区间包括: 其中,表示滚动轴承特征数据集下界,表示滚动轴承特征数据集上界,表示为区间化的多域特征值集;所述马尔科夫转移矩阵包括: 所述马尔科夫转移矩阵对应的马尔科夫转换场为: 其中,表示为分位区间中某点的下一步点在区间中的概率,表示为马尔科夫转移矩阵的分位区间,和分别表示为马尔科夫转换场时间步和的分位区间,每个都有与之对应的序列,对通过将时间步的转移概率分配给时间步以实现马尔科夫转移场对多尺度时间跨度的转移概率编码,表示为马尔科夫转移矩阵,表示为马尔科夫转换场。

全文数据:

权利要求:

百度查询: 华东交通大学 一种变速器滚动轴承复合故障诊断方法及系统

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。

相关技术
相关技术
相关技术
相关技术