龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海明东集装箱码头有限公司;上海国际港务(集团)股份有限公司;频率探索智能科技江苏有限公司
申请日：2023-12-21
公开（公告）日：2024-06-14
公开（公告）号：CN118190413A
主分类号：G01M13/045
分类号：G01M13/045;G06F18/10;G06F18/213;G06F18/214;G06F18/2411
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明涉及机械设备故障检测技术领域，尤其涉及一种滚动轴承故障智能诊断方法、设备及其介质。方法包括：采集滚动轴承在不同状态下的振动加速度信号；对振动加速度信号进行分割，并对每段分割后的振动加速度信号进行预处理，获取对应的二维矩阵特征；将所有的二维矩阵特征制作成数据集，并划分为训练集和测试集；基于支持矩阵机构建广义图嵌入低秩矩阵分类器模型；将训练集输入至模型进行训练；将测试集输入到训练好的模型进行测试，以测试诊断分类结果优异的模型为最优模型；实时采集和处理滚动轴承工作时的振动加速度信号，处理后输入至最优模型，实现对滚动轴承故障智能诊断。本发明能够实现滚动轴承在多类故障数据情况下的高效和精准诊断。
主权项：1.一种滚动轴承故障智能诊断方法，其特征在于，所述方法包括：步骤S1，采集滚动轴承在不同状态下的振动加速度信号；步骤S2，对所述振动加速度信号进行分割，得到多段分割后的振动加速度信号，通过特征提取方法对每段分割后的振动加速度信号进行预处理，获取对应的二维矩阵特征S∈Rm×n，其中，m和n表示二维矩阵的尺寸；步骤S3，将所有的所述二维矩阵特征S∈Rm×n制作成数据集，并划分为训练集和测试集；步骤S4，基于支持矩阵机构建广义图嵌入低秩矩阵分类器模型；步骤S5，将所述训练集作为训练样本输入至所述广义图嵌入低秩矩阵分类器模型，通过参数调整对所述广义图嵌入低秩矩阵分类器模型进行训练，训练后每个参数对应一训练好的广义图嵌入低秩矩阵分类器模型；步骤S6，将所述测试集分别输入到每个参数对应训练好的所述广义图嵌入低秩矩阵分类器模型进行测试，得到不同的诊断分类结果，以诊断分类结果优异的模型为最优广义图嵌入低秩矩阵分类器模型；步骤S7，实时采集滚动轴承工作时的振动加速度信号，通过所述步骤S2处理后，输入至最优广义图嵌入低秩矩阵分类器模型，实现对滚动轴承故障智能诊断。
全文数据：
权利要求：
百度查询： 上海明东集装箱码头有限公司;上海国际港务(集团)股份有限公司;频率探索智能科技江苏有限公司 滚动轴承故障智能诊断方法、设备及其介质
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