[发明专利]一种基于CEEMD与图像纹理特征的旋转机械智能故障诊断方法

摘要

本发明公开了一种基于CEEMD与图像纹理特征的旋转机械智能故障诊断方法，采集旋转机械不同故障状态或者程度下的故障振动信号；基于CEEMD结合小波阀值的降噪方法对采集到的故障振动信号进行降噪处理，然后将这些数据分为训练数据组与测试数据组；对训练数据组与测试数据组中的数据分别进行时频分析提取SPWVD时频分布图，并且从中择优组成故障特征集；采用训练数据组得到的故障特征集对SVM分类器参数进行寻优，使用最佳的参数值获得最优的SVM分类器，建立故障诊断模型；采用测试数据组作为故障诊断模型的输入值，进行故障诊断测试得到分类结果和精度。本发明在保持信号完整性的同时很好地完成了降噪处理，提取优越的故障特征，完成故障诊断过程。

主权项

一种基于CEEMD与图像纹理特征的旋转机械智能故障诊断方法，其特征在于，包括以下步骤:步骤一、信号采集和降噪处理采用加速度传感器，并将其安装在旋转机械外壳上，确定信号传输路径、采样频率和采样起始时间，分别采集旋转机械不同故障状态或者程度下的故障振动信号；基于CEEMD结合小波阀值的降噪方法对采集到的故障振动信号进行降噪处理，然后将这些数据分为训练数据组与测试数据组；步骤二、故障振动信号的故障特征提取对训练数据组与测试数据组中的数据分别进行时频分析提取SPWVD时频分布图，并且从中提取图像纹理特征，并且从中择优组成故障特征集；步骤三、采用训练数据组得到的故障特征集对SVM分类器的惩罚参数c和核函数g进行寻优，确定最佳的参数值，使用最佳的参数值获得最优的SVM分类器，建立故障诊断模型；步骤四、采用测试数据组作为故障诊断模型的输入值，进行故障诊断测试得到分类结果和精度。