中冶赛迪技术研究中心有限公司龙灏获国家专利权
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!
龙图腾网获悉中冶赛迪技术研究中心有限公司申请的专利一种机械设备故障诊断方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116933030B 。
龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310927693.8,技术领域涉及:G06F18/20;该发明授权一种机械设备故障诊断方法及系统是由龙灏;石海阳设计研发完成,并于2023-07-26向国家知识产权局提交的专利申请。
本一种机械设备故障诊断方法及系统在说明书摘要公布了:本发明提供一种机械设备故障诊断方法及系统,包括:获取机械设备出现故障时的原始振动信号样本,并截取为多段振动信号样本;把每段振动信号样本作为故障类别的训练样本;分别对训练样本和测试样本进行自相关约束处理,得到自相关训练样本和自相关测试样本;基于自相关训练样本生成样本字典,以及利用样本字典对自相关测试样本进行重构,得到稀疏编码;再从样本字典中选择子样本字典,并通过子样本字典和稀疏编码表征自相关测试样本,获取重构误差;最后根据重构误差对机械设备进行故障诊断。本发明可以对机械设备进行故障诊断,而且通过对样本数据施加自相关约束,在消除噪声的同时,有利于凸显故障特征成分,能对信号进行更有效的稀疏表示。
本发明授权一种机械设备故障诊断方法及系统在权利要求书中公布了:1.一种机械设备故障诊断方法,其特征在于,所述方法包括以下步骤: 获取机械设备出现故障时的原始振动信号样本; 将每种故障类别的原始振动信号样本截取为多段振动信号样本,并把每段振动信号样本作为对应故障类别的训练样本; 对所有训练样本进行自相关约束处理,得到自相关训练样本,并基于所述自相关训练样本生成样本字典; 对测试样本进行自相关约束处理,得到自相关测试样本;以及,利用所述样本字典对自相关测试样本进行重构,得到稀疏编码;其中,所述测试样本基于原始振动信号样本的截取结果确定; 从所述样本字典中选择子样本字典,并通过所述子样本字典和所述稀疏编码表征所述自相关测试样本,获取重构误差; 根据所述重构误差对所述机械设备进行故障诊断; 将每种故障类别的原始振动信号样本截取为多段振动信号样本,并把每段振动信号样本作为对应故障类别的训练样本的过程包括: 将每种故障类别的原始振动信号样本组合生成原始振动信号样本集,有:Yoriginal=[Y1,Y2,…,YC]∈Rp×C;式中,YC表示第C个故障类别对应的原始振动信号样本,p为每种故障类别的原始振动信号样本的振动点,C和p为正整数; 将每种故障类别的原始振动信号样本截取为多段振动信号样本,并把每段振动信号样本作为对应故障类别的训练样本有:式中,表示第i类原始振动信号样本中的第ni段训练样本,s为样本长度,且s、i和n为正整数; 对所有训练样本进行自相关约束处理,得到自相关训练样本,并基于所述自相关训练样本生成样本字典的过程包括: 设置s个时移参数,并利用所述时移参数对所有训练样本进行自相关约束处理,得到自相关训练样本,有: 式中,表示第m个时移参数对训练样本进行自相关约束处理后得到的自相关训练样本;表示训练样本的第j个振动点; 对所述自相关训练样本进行排列整理,并基于所述自相关训练样本生成样本字典,有:式中,D表示样本字典,表示第i类原始振动信号样本中的第ni段训练样本进行自相关约束处理后得到的子样本字典; 对测试样本进行自相关约束处理,得到自相关测试样本;以及,利用所述样本字典对自相关测试样本进行重构,得到稀疏编码的过程包括: 对测试样本进行自相关约束处理,得到自相关测试样本,有: 式中,Ryym表示测试样本y对应的自相关测试样本,yj表示测试样本y的第j个振动点; 以样本r表示自相关测试样本Ryym,并获取预先或实时定义的收缩函数,有: 式中,L表示DTD的最大特征值;表示给定x时frx的梯度值;为收缩函数; 根据预先或实时设定的当前迭代次数iter、步长值told、当前稀疏码xold和梯度方向稀疏码zold,对收缩函数进行迭代,有: 令x=xnew,有:式中,x表示样本字典D的稀疏编码,表示关于的稀疏系数,λ为正则化参数。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中冶赛迪技术研究中心有限公司,其通讯地址为:401122 重庆市渝北区北部新区汇金路11号1幢;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励