CN106908232-CN201710101560-一种旋转机械的振动信号故障识别方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106908232 A (43)申请公布日 2017.06.30 (21)申请号 201710101560.X (22)申请日 2017.02.24 (71)申请人 伍婷婷 地址 238300 安徽省芜湖市无为县蜀山镇 蜀山街道04号 (72)发明人 伍婷婷　 (51)Int.Cl. G01M 13/00(2006.01) G01M 13/04(2006.01) 权利要求书1页 说明书3页 附图1页 (54)发明名称 一种旋转机械的振动信号故障识别方法 (57)摘要 本发明公开了一种旋转机械的振动信号故 障识别方法，包含故障类型判别、故障特征提取、 故障指标提炼、故障模式识别，本发明的有益成 果是，本发明能获取多种故障样本，通过对故障 振动信号的特征进行处理，通过数学过程计算、 分析信号，识别信号的故障，因此，结果更加准 确、更加科学化。 A 2 3 2 8 0 9 6 0 1 N C CN 106908232 A 权　利　要　求　书 1/1页 1.一种旋转机械的振动信号故障识别方法，包含故障类型判别、故障特征提取、故障指 标提炼、故障模式识别； 所述故障类型判别，首先提取旋转机械的振动信号，采用小波包分析将所述旋转机械 的振动信号分解到时间尺度域，从发生脉冲的时间间隔来获取所述旋转机械的振动信号的 特征频率，从而判别旋转机械是否存在故障，如果存在故障，将存在故障的旋转机械的振动 信号进行所述故障特征提取； 所述故障特征提取采用小波包分解把存在故障的旋转机械的振动信号分解到相邻的 不同频段上，提取感兴趣的频段成分进行重构，从而有效提取所述存在故障的旋转机械的 振动信号的有效特征； 所述故障指标提炼将所述存在故障的旋转机械的振动信号的有效特征数字化，并根据 小波包分解原理构建时频能量表达式，将数字化后的所述存在故障的旋转机械的振动信号 的有效特征作为所述时频能量表达式的计算参数，从而计算出从所述存在故障的旋转机械 的振动信号的频率尺度随时间变化的局部化指标，以时间为横坐标、以所述存在故障的旋 转机械的振动信号的频率尺度为纵坐标，绘制局部化指标曲线； 所述故障模式识别以所述局部化指标曲线作为输入，构建一个两级多层神经网络，所 述两级多层神经网络的一级用于识别所述存在故障的旋转机械的振动信号的故障模式，所 述两级多层神经网络的二级用于估算所述存在故障的旋转机械的振动信号的故障的程度， 将所述故障模式的结果综合，以数据表存储的形式结果。 2 2 CN 106908232 A 说　明　书 1/3页 一种旋转机械的振动信号故障识别方法 技术领域 [0001] 本发明涉及一种机械振动信号的故障诊断领域，涉及一种旋转机械的振动信号故 障识别方法。 背景技术 [0002] 机械振动信号的故障诊断对于保障机械设备的安全、稳定运行具有重要意义。基 于机械振动信号分析的机械故障诊断方法具有可在线、实时、非损伤、诊断便捷准确等优 点，已经得到广泛应用。现今的机械振动信号的故障分析存在故障样本获取困难、故障样本 数量往往有限，没有考虑机械振动信号的频率分类，因此，需要提供一种解决上述问题的旋 转机械的振动信号故障识别方法。 发明内容 [0003] 有鉴于此，本发明要