[发明专利]基于稀疏分解优化算法的旋转机械局部型故障诊断方法有效
申请号: | 201910016675.8 | 申请日: | 2019-01-08 |
公开(公告)号: | CN109813547B | 公开(公告)日: | 2020-09-22 |
发明(设计)人: | 瞿蔚;丁康;何国林;杨小青 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G01M13/045 | 分类号: | G01M13/045 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 裴磊磊 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于稀疏分解优化算法的旋转机械局部型故障诊断方法,包括步骤:S1、采集包含故障特征信息的旋转机械振动加速度响应信号;S2、截取适当长度的信号,应用高通滤波器和奇异值分解进行降噪预处理,提高信噪比;S3、设置原子优化准则,建立原子与实测信号的时频域相关系数约束函数;S4、使用粒子群混合梯度下降算法对初始的随机字典进行参数更新,得到优化的冲击响应字典;S5、使用分段拉格朗日收缩算法求解稀疏系数,根据系数和字典重构故障特征信号;S6、分析重构信号的冲击响应时间间隔、解调幅值谱的特征频率,识别故障位置,完成故障诊断。本发明构造的字典精度高、速度快,具有更强的抗噪性,重构特征信号更加准确。 | ||
搜索关键词: | 基于 稀疏 分解 优化 算法 旋转 机械 局部 故障诊断 方法 | ||
【主权项】:
1.一种基于稀疏分解优化算法的旋转机械局部型故障诊断方法,其特征在于,所述方法包括以下步骤:S1、采集包含故障特征信息的旋转机械振动加速度响应信号;S2、截取适当长度的信号,应用高通滤波器和奇异值分解进行降噪预处理,提高信噪比;S3、设置原子优化准则,建立原子与实测信号的时频域相关系数约束函数;S4、使用粒子群混合梯度下降算法对初始的随机字典进行参数更新,得到优化的冲击响应字典;S5、使用分段增广拉格朗日收缩算法求解稀疏系数,根据系数和字典重构故障特征信号;S6、分析重构信号的冲击响应时间间隔、解调幅值谱的特征频率,识别故障位置,完成故障诊断。
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华南理工大学,未经华南理工大学许可,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/201910016675.8/,转载请声明来源钻瓜专利网。