[发明专利]一种烧结主抽风机的故障诊断方法及装置

权利要求书

1.一种烧结主抽风机的故障诊断方法，其特征在于，所述烧结主抽风机的故障诊断方法包括：

采集烧结主抽风机的振动信号，所述振动信号为风机驱动侧水平振动信号、风机驱动侧垂直振动信号、电机驱动侧水平振动信号或电机驱动侧垂直振动信号；

将所述振动信号进行小波包分解，提取与所述振动信号对应的包括待测能量特征向量的测试样本；

将所述测试样本输入至预先经过训练得到的极限学习机模型中，根据所述极限学习机模型输出的目标输出向量，获取烧结主抽风机的故障信息。

2.根据权利要求1所述的烧结主抽风机的故障诊断方法，其特征在于，所述将所述振动信号进行小波包分解，提取与所述振动信号对应的包括待测能量特征向量的测试样本包括：

将所述振动信号进行小波包分解，提取振动信号相应频段的小波包分解系数S_ij，其中i为小波包分解层数，j为小波包分解的节点数；

重构所述小波包分解系数S_ij，提取相应频段的信号能量E_ij；

根据所述信号能量E_ij构造能量特征向量，并将所述能量特征向量标准化，获取标准能量特征向量；

将所述标准能量特征向量确定为与所述振动信号对应的测试样本。

3.根据权利要求2所述的烧结主抽风机的故障诊断方法，其特征在于，所述将所述振动信号进行小波包分解，提取与所述振动信号对应的能量特征向量还包括：

对所述小波包分解系数S_ij的去噪处理。

4.根据权利要求1所述的烧结主抽风机的故障诊断方法，其特征在于，所述烧结主抽风机的故障诊断方法还包括：

利用已知状态类型的训练样本初始化极限学习机模型，其中，所述训练样本包括经小波包分解提取的训练样本标准能量特征向量以及与所述训练样本标准能量特征向量对应的训练样本期望输出向量；

获取测试样本采集时间点之前，且与所述测试样本最近的预设时间间隔内的学习样本，其中，所述学习样本包括经小波包分解提取的学习样本标准能量特征向量以及与所述学习样本标准能量特征向量对应的学习样本期望输出向量；

利用所述学习样本在线贯序更新所述极限学习机模型，获取更新后的极限学习机模型；

将所述测试样本输入至更新后的极限学习机模型中，根据所述更新后的极限学习机模型输出的目标输出向量，获取烧结主抽风机的故障信息。

5.根据权利要求4所述的烧结主抽风机的故障诊断方法，其特征在于，所述获取测试样本采集时间点之前，且与所述测试样本最近的预设时间间隔内的学习样本包括：

获取测试样本采集时间点之前，且与所述测试样本最近的预设时间间隔内的历史测试样本；

获取与所述历史测试样本相对应的期望输出向量。