[发明专利]旋转机械的故障诊断方法及旋转机械的故障诊断装置

权利要求书

1.一种旋转机械的故障诊断方法，其特征在于，所述故障诊断方法包括：

获取所述旋转机械的故障振动信号；

基于集合经验模态分解方法对所述故障振动信号进行分解，以获得分解振动信号；

基于所述分解振动信号获得所述分解振动信号的复杂度信息；

对所述复杂度信息进行处理以生成所述分解振动信号的特征信息；

基于预设算法对所述特征信息进行分析，以获得与所述故障振动信号对应的故障信息；

基于所述故障信息对正常振动信号进行诊断，以获得故障诊断结果。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述基于集合经验模态分解方法对所述故障振动信号进行分解，以获得分解振动信号，包括：

根据所述故障振动信号，获得所述旋转机械的振动位移信号；

基于集合经验模态分解方法对所述振动位移信号进行分解，以获得所述振动位移信号的多层基本模式分量；

提取所述多层基本模式分量中的前五层基本模式分量作为所述分解振动信号。

3.根据权利要求1所述的故障诊断方法，其特征在于，所述基于所述分解振动信号获得所述分解振动信号的复杂度信息，包括：

基于所述分解振动信号获得所述旋转机械的故障敏感振动信号；

将所述故障敏感振动信号的近似熵作为所述分解振动信号的复杂度信息。

4.根据权利要求3所述的故障诊断方法，其特征在于，所述对所述复杂度信息进行处理以生成所述分解振动信号的特征信息，包括：

提取所述故障敏感振动信号的近似熵，并根据所述近似熵组成所述分解振动信号的故障特征向量；

将所述故障特征向量作为所述分解振动信号的特征信息。

5.根据权利要求4所述的故障诊断方法，其特征在于，所述基于预设算法对所述特征信息进行分析，以获得所述故障振动信号对应的故障信息，包括：

提取所述故障特征向量；

基于自组织映射神经网络算法对所述故障特征向量进行分析，以获得与所述故障特征向量对应的故障判断结果；

基于所述故障判断结果对所述故障振动信号进行分析，以获得所述故障振动信号的故障类别信息。

6.一种旋转机械的故障诊断装置，其特征在于，所述故障诊断装置包括：

信号获取模块，用于获取所述旋转机械的故障振动信号；

分解模块，用于基于集合经验模态分解方法对所述故障振动信号进行分解，以获得分解振动信号；

复杂信息获取模块，用于基于所述分解振动信号获得所述分解振动信号的复杂度信息；

处理模块，用于对所述复杂度信息进行处理以生成所述分解振动信号的特征信息；

分析模块，用于基于预设算法对所述特征信息进行分析，以获得与所述故障振动信号对应的故障信息；

诊断模块，用于基于所述故障信息对正常振动信号进行诊断，以获得故障诊断结果。

7.根据权利要求6所述的故障诊断装置，其特征在于，所述分解模块包括：

位移获取子模块，用于根据所述故障振动信号，获得所述旋转机械的振动位移信号；

位移分解子模块，用于基于集合经验模态分解方法对所述振动位移信号进行分解，以获得所述振动位移信号的多层基本模式分量；

提取子模块，用于提取所述多层基本模式分量中的前五层基本模式分量作为所述分解振动信号。

8.根据权利要求6所述的故障诊断装置，其特征在于，所述复杂信息获取模块包括：

敏感振动获取子模块，用于基于所述分解振动信号获得所述旋转机械的故障敏感振动信号；

确定子模块，用于将所述故障敏感振动信号的近似熵作为所述分解振动信号的复杂度信息。