首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法 

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:中国人民解放军空军工程大学

摘要:本发明公开了一种时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法,采集滚动轴承在不同运行状况下的初始振动数据;利用SAK技术对所述初始振动信号进行滤波,确定故障的最佳敏感频带,并滤出包络信号;对包络信号进行时频分析,判断时频分布中是否存在轴承故障相关信息;提取时频分布中的时频脊线,并使用自适应线性调频模式分解算法进行分量的分解与重构,提取获得故障信号;利用时移多尺度加权斜率熵算法对获得的故障信号进行特征提取,获得故障特征信息;根据所述故障特征信息构建特征空间,并且划分为训练集和测试集;利用基于LHHO优化后的KELM模型对滚动轴承故障进行智能分类。

主权项:1.一种时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法,其特征在于,该方法为:采集滚动轴承在不同运行状况下的初始振动数据;利用SAK技术对所述初始振动信号进行滤波,确定故障的最佳敏感频带,并滤出包络信号;对包络信号进行时频分析,判断时频分布中是否存在轴承故障相关信息;提取时频分布中的时频脊线,并使用自适应线性调频模式分解算法进行分量的分解与重构,提取获得故障信号;利用时移多尺度加权斜率熵算法对获得的故障信号进行特征提取,获得故障特征信息;根据所述故障特征信息构建特征空间,并且划分为训练集和测试集;利用基于LHHO优化后的KELM模型对滚动轴承故障进行智能分类。

全文数据:

权利要求:

百度查询: 中国人民解放军空军工程大学 时移多尺度加权斜率熵的滚动轴承变速下故障诊断方法

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。