[发明专利]一种基于改进集总平均经验分解的绞车振动诊断方法在审
申请号: | 202110598929.9 | 申请日: | 2021-05-31 |
公开(公告)号: | CN113340547A | 公开(公告)日: | 2021-09-03 |
发明(设计)人: | 张晓光;刘鸿泽;徐桂云;倪冬;陈红兵;牛勇 | 申请(专利权)人: | 中国矿业大学;徐州苏煤矿山设备制造有限公司 |
主分类号: | G01M7/02 | 分类号: | G01M7/02 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 张联群 |
地址: | 221116 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 基于 改进 平均 经验 分解 绞车 振动 诊断 方法 | ||
1.一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:绞车振动故障状态诊断方法,采用软件显示部分对诊断过程、结果进行显示、识别,包括以下步骤:
步骤1.绞车振动信号采集,并将其转换为时域信号;
步骤2.对采集到的加速度信号进行改进的集总平均经验模态分解;
步骤3.分解后的信号进行希尔伯特变换,得到其反映的特征频率信息;
步骤4.绞车故障特征提取;
步骤5.利用GA-BP分类器对绞车故障特征进行分类;
步骤6.选取训练集进行验证,分类结果达到预定要求则在软件显示部分输出结果,不符合要求则重新进行分类器训练。
2.根据权利要求1所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:在步骤1中,利用加速度传感器、信号调理器和多通道同步数据采集卡获取绞车振动信息。
3.根据权利要求1所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:在步骤2中,设置排列熵的阈值,去除大于阈值的分量,并对剩余信号重新分解,并依据频率高低对分解出的分量重新排序;通过该方法能够有效的抑制模态现象,而且能消除伪分量影响,解决模态的分裂问题。
4.根据权利要求1所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:在步骤3中,利用希尔伯特变换求解出重构信号的特征频率,能够对故障类型进行初步诊断。
5.根据权利要求1所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:在步骤4中,经改进的集总平均经验模态分解后分解出一系列IMF分量,求取各个IMF分量的归一化能量值和子频带分量与原始信号的相关系数以及方差贡献率;
所述的相关系数反映了两个变量之间的相互关联程度,系数越大表示两者的关联程度越大;所述的方差定义为平方的均值减去均值的平方,方差贡献率也就是方差所占的百分比,表示了贡献率波动情况的累计;根据经验设定阈值为0.1,通过以上所述相关系数和方差贡献率剔除低于设定阈值的分量,然后采用剩余分量的归一化能量值作为特征参数进行后续故障诊断;
将求取各个IMF分量的归一化能量值作为特征输入到训练好的GA-BP分类器中,进行实际故障分类;并选取一定已知故障特征的样本当做测试集进行测试,当测试结果符合我们的要求时,分类结束;否则,将选取不同样本重新进行分类器训练。
6.根据权利要求1所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:软件显示部分包括:系统管理模块,参数管理模块,监测与报警模块和故障诊断模块;针对系统的4个组成部分分别设计应用程序框架、数据表达方式与存储结构。
7.根据权利要求6所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:系统管理模块完成对用户管理和数据库管理,包括:用户管理、数据库表的设计和数据库的操作;该系统所采用的文件类型主要有配置文件与TDMS高速数据流文件;其中,所述的配置文件用于存储硬件配置参数、报警参数;配置文件的使用:每行即为一条信息,由一个名称和一个值组成;所述的TDMS配置文件是Labview提供的专门用于数据存储的文件格式,采用TDMS高速数据流文件存储信号数据,以实现信号数据的快速存储与回放。
8.根据权利要求6所述的一种基于改进集总平均经验分解的绞车振动诊断方法,其特征是:参数管理模块包括:系统通讯设置和系统参数设置;系统参数设置用于设置振动相关报警参数,在系统参数设置界面进行相关参数的设置,并在完成设置后点击保存使设置生效;所述的系统通讯设置是数据通过LabVIEW中的VISA接口读取到数据采集卡中不同通道采集到的数据,LabVIEW中的程序将读取到的数据包进行分类,分别按照数据的不同通道、输入顺序将数据截取发送到相对应的不同编号的传感器显示页面进行相对应的字符串显示。
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中国矿业大学;徐州苏煤矿山设备制造有限公司,未经中国矿业大学;徐州苏煤矿山设备制造有限公司许可,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/202110598929.9/1.html,转载请声明来源钻瓜专利网。