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：济南大学
摘要：本发明提出了一种基于快速峰度图样本熵的滚动轴承故障诊断方法，包括：读取轴承的振动信号数据，对原始信号进行局部均值分解；根据分量信号与原始信号的余弦相似度，选取余弦相似度最大的分量信号；使用快速峰度法，将数据信号转换为快速峰度图；提取图像的“像素灰度值”组成灰度矩阵；提取灰度矩阵的“样本熵”组成特征向量；将特征向量输入极限学习机中，进行故障类型的区分。本发明可以有效地对滚动轴承的不同故障类型进行特征提取和故障分类，并且计算结果具有较高的准确率。
主权项：1.一种基于快速峰度图样本熵的滚动轴承故障诊断方法，其特征在于，所述方法包括：1.1、读取轴承的振动信号数据，对原始信号进行局部均值分解： PFpt＝aptspnt其中ukt为信号余量，是一个单调函数，PFpt为输出的PF分量，apt为第p次迭代时的包络信号，spnt为第p次迭代时的纯调频信号；1.2、根据分量信号与原始信号的余弦相似度，选取余弦相似度最大的分量信号，余弦相似度的定义具体为： 其中A和B为长度相同的向量；1.3、使用快速峰度法，将数据信号转换为快速峰度图： 其中μx为xt的平均值，ti为瞬时时间，N为xt的长度。应用在时频域时，峰度的定义为：其中·为时频平均算子，Xt，f是xt的带通滤波信号在f附近的时频包络；1.4、提取图像的“像素灰度值”组成灰度矩阵具体为： 其中gij为快速峰度图的像素灰度值，范围是0≤gij≤255，i和j为快速峰度图的像素点坐标，1≤i≤m，1≤j≤n；1.5、提取灰度矩阵的“样本熵”组成特征向量具体为：SampEn＝lnBmr-lnBm+1r其中为满足条件的向量个数，具体条件为d[Xmi，Xmj]＜r，Xmi为第i点开始的m个连续的x值，Xmi＝xi，xi+1，…，xi+m-1，r＝0.1*std～0.25*std，std为标准差；1.6、将特征向量输入极限学习机中，进行故障类型的区分，其特征在于，将滚动轴承各个工况的特征向量输入极限学习机中进行训练，极限学习机是一种特殊的前馈神经网络，通过训练能够得出特征向量所对应工况标签，即可完成故障诊断。
全文数据：
权利要求：
百度查询： 济南大学 一种基于快速峰度图样本熵的滚动轴承故障诊断方法
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