申请/专利权人：浙江大学

申请日：2024-03-28

公开（公告）日：2024-06-25

公开（公告）号：CN117970105B

主分类号：G01R31/34

分类号：G01R31/34;G01M13/045;G06F18/10;G06F18/2131;G06F18/2136;G06F18/2415;G06F18/25;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本申请公开了基于信号融合的电机轴承早期故障诊断方法及系统，应用于电机轴承故障诊断技术领域，本申请利用CEEMDAN分解法分别对电机轴承早期故障时和无故障时的电流信号与振动信号进行分解，根据包络谱稀疏度对分解得到的本征模态函数分量进行信号加权重构，对重构信号进行融合得到电流~振动融合信号，通过Hilbert包络谱对融合信号进行频谱分析，生成能识别电机轴承早期故障的包络谱图，以此作为模型训练所需的数据集，将数据集输入卷积神经网络中，构建得到轴承早期故障诊断模型，通过早期故障诊断模型能够诊断电机轴承是否发生故障。本申请能够对电机轴承的早期故障进行诊断和识别，提高轴承早期故障诊断结果的准确性。

主权项：1.一种基于信号融合的电机轴承早期故障诊断方法，其特征在于，所述方法包括步骤：S1、分别获取电机轴承在早期故障时和无故障时的振动信号和定子电流信号，使用CEEMDAN分解法分别将所述振动信号和定子电流信号分解为对应的多个振动本征模态函数分量和多个电流本征模态函数分量；S2、分别对各个振动本征模态函数分量和各个电流本征模态函数分量进行Hilbert包络谱变换，计算得到每一个振动本征模态函数分量所对应的振动包络谱稀疏度，以及得到每一个电流本征模态函数分量对应的电流包络谱稀疏度；S3、根据每一个振动包络谱稀疏度计算得到每一个振动本征模态函数分量的融合加权系数，以及根据每一个电流包络谱稀疏度计算得到每一个电流本征模态函数分量的融合加权系数，根据获取的各个融合加权系数得到重构后的振动信号和定子电流信号，将重构后的振动信号和定子电流信号进行融合得到电流~振动融合信号；S4、对所述电流~振动融合信号进行Hilbert包络谱变换，得到电流~振动信号包络谱图，以电流~振动信号包络谱图构建一训练集，基于构建的神经网络模型对所述训练集进行训练，得到电机轴承的早期故障诊断模型；S5、将获取的待测电机的电流~振动信号包络谱图输入早期故障诊断模型，以确定待测电机是否发生故障；其中，所述步骤S2包括：对任一个振动本征模态函数分量IMFt进行Hilbert变换为： ；其中，H·为Hilbert运算符；为卷积运算符；以振动本征模态函数分量IMFt为实部，振动本征模态函数分量IMFt的Hilbert变换IMF’t为虚部，构成的复数信号定义为振动本征模态函数分量IMFt的解析信号IMFzt为： ；解析信号IMFzt的瞬时包络线at和瞬时相位φt为： ； ；对解析信号IMFzt的瞬时包络线at进行FFT变换，得到该振动本征模态函数分量IMFt的振动包络谱；以此类推，对每一个振动本征模态函数分量进行Hilbert变换，计算得到所对应的各个振动包络谱，对每一个电流本征模态函数分量进行Hilbert变换，计算得到每一个电流本征模态函数分量所对应的电流包络谱；任一个振动本征模态函数分量的振动包络谱稀疏度的计算公式为： ；其中，Y为振动包络谱，Yi为振动包络谱中每一个频率分量的幅值，K为振动包络谱稀疏度值，n为振动包络谱Y的长度，表示范数；以此类推，根据各个振动本征模态函数分量所对应的各个振动包络谱，计算得到每一个振动本征模态函数分量所对应的振动包络谱稀疏度，根据各个电流本征模态函数分量所对应的各个电流包络谱，得到每一个电流本征模态函数分量所对应的电流包络谱稀疏度；所述步骤S3包括：将各个振动包络谱稀疏度从大到小依次排列，从最大的振动包络谱稀疏度开始，依次选择QV个振动包络谱稀疏度，所选择的每一个振动包络谱稀疏度所对应的振动本征模态函数分量的融合加权系数的计算公式为： ；其中，βVj表示所选择的第j个振动本征模态函数分量的融合加权系数，KVj表示所选择的第j个振动包络谱稀疏度，QV表示所选择的振动包络谱稀疏度的个数，QV取值为振动本征模态函数分量总个数的一半；将各个电流包络谱稀疏度从大到小依次排列，从最大的电流包络谱稀疏度开始，依次选择QI个电流包络谱稀疏度，所选择的每一个电流包络谱稀疏度所对应的电流本征模态函数分量的融合加权系数的计算公式为： ；其中，βIj表示所选择的第j个电流本征模态函数分量的融合加权系数，KIj表示所选择的第j个电流包络谱稀疏度，QI表示所选择的电流包络谱稀疏度的个数，QI取值为电流本征模态函数分量总个数的一半；根据所选择的每一个振动本征模态函数分量以及对应的融合加权系数，计算得到重构后的振动信号XVt为： ；其中，βVj表示所选择的第j个振动本征模态函数分量的融合加权系数，IMFVjt表示所选择的第j个振动本征模态函数分量；根据所选择的每一个电流本征模态函数分量以及对应的融合加权系数，计算得到重构后的振动信号XIt为： ；其中，βIj表示所选择的第j个电流本征模态函数分量的融合加权系数，IMFIjt表示所选择的第j个电流本征模态函数分量。

全文数据：

权利要求：

百度查询： 浙江大学 基于信号融合的电机轴承早期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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD