[发明专利]一种挖掘机发动机的故障检测方法及故障检测装置有效

专利信息
申请号: 202010713903.X 申请日: 2020-07-22
公开(公告)号: CN111811642B 公开(公告)日: 2022-05-03
发明(设计)人: 刘英豪;徐智颖;王彦森 申请(专利权)人: 三一重机有限公司
主分类号: G01H17/00 分类号: G01H17/00;G01M15/00;G06K9/00;G06K9/62;G06V10/764;G06N3/04;G06N3/08;G06N3/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 李文丽
地址: 215000 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 挖掘机 发动机 故障 检测 方法 装置
【权利要求书】:

1.一种挖掘机发动机的故障检测方法,其特征在于,所述故障检测方法包括:

获取发动机的振动信号,将所述振动信号分解成若干个振动信号分量;

计算每个所述振动信号分量与所述振动信号之间的豪斯多夫距离,将计算出的豪斯多夫距离按照从小到大的顺序排列,从最小的豪斯多夫距离开始按顺序选取若干个豪斯多夫距离,确定选取出的若干个豪斯多夫距离分别对应的振动信号分量为第一分量集合;

计算每个振动信号分量与所述振动信号之间的互相关系数,将计算出的互相关系数按照从大到小的顺序排列,从最大的互相关系数开始按顺序选取若干个互相关系数,确定选取出的若干个互相关系数分别对应的振动信号分量为第二分量集合;

从所述第二分量集合中确定出最小的互相关系数对应的参照振动信号分量;

基于所述第一分量集合和所述第二分量集合,确定所述第一分量集合和所述第二分量集合的交集为第三分量集合;

基于所述参照振动信号分量与所述第三分量集合之间的所属关系,确定出目标振动信号分量;

基于所述目标振动信号分量,确定与该目标振动信号分量对应的测试样本;

将所述测试样本输入至预先训练好的故障检测模型中,确定与该目标振动信号分量对应的发动机的故障检测结果。

2.根据权利要求1所述的故障检测方法,其特征在于,所述获取发动机的振动信号,将所述振动信号分解成若干个振动信号分量,包括:

获取挖掘机发动机在工作状态下的振动信号;

将振动信号通过CEEMDAN算法进行分解,得到若干个IMF分量;

将所述IMF分量确定为振动信号分量。

3.根据权利要求1所述的故障检测方法,其特征在于,所述基于所述参照振动信号分量与所述第三分量集合之间的所属关系,确定出目标振动信号分量,包括:

若所述第三分量集合包括所述参照振动信号分量,则确定所述第三分量集合中信号强度小于所述参照振动信号分量的信号强度的振动信号分量为目标振动信号分量;

若所述第三分量集合不包括所述参照振动信号分量,则确定所述第三分量集合中的所有振动信号分量均为目标振动信号分量。

4.根据权利要求1所述的故障检测方法,其特征在于,通过以下公式计算所述互相关系数:

其中,ρ(x,imfi)表示振动信号与第i个振动信号分量之间的互相关系数;N为采样点数,x(t)为所述振动信号,imfi(t)是第i个振动信号分量。

5.根据权利要求1所述的故障检测方法,其特征在于,所述基于所述目标振动信号分量,确定与该目标振动信号分量对应的测试样本,包括:

将确定出的目标振动信号分量组成目标分量矩阵;

对所述目标分量矩阵进行奇异值分解,得到若干个奇异值;

确定若干个奇异值归一化处理后的特征值为与该目标振动信号分量对应的测试样本。

6.根据权利要求1所述的故障检测方法,其特征在于,通过以下步骤确定故障检测模型:

获取样本振动信号分量对应的训练样本和发动机的故障检测结果;

针对所述训练样本中的样本振动信号分量对应的特征值,以样本振动信号分量对应的特征值作为卷积神经网络的输入,以样本振动信号分量对应的发动机的故障检测结果作为输出,对卷积神经网络进行训练;

将训练完的卷积神经网络确定为故障检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三一重机有限公司,未经三一重机有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010713903.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top