一種基于短時(shí)希爾伯特變換的滾動(dòng)軸承故障診斷方法

基本信息

申請(qǐng)?zhí)?/td> CN201910944732.9 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN111238814B 公開(kāi)（公告）日 2021-08-31
申請(qǐng)公布號(hào) CN111238814B 申請(qǐng)公布日 2021-08-31
分類(lèi)號(hào) G01M13/045;G06N3/04;G06N3/08 分類(lèi) 測(cè)量；測(cè)試;
發(fā)明人 李倩;柳樹(shù)林;楊皓杰;孫豐誠(chéng) 申請(qǐng)（專(zhuān)利權(quán)）人 杭州安脈盛智能技術(shù)有限公司
代理機(jī)構(gòu) 杭州杭誠(chéng)專(zhuān)利事務(wù)所有限公司 代理人 尉偉敏
地址 310000 浙江省杭州市濱江區(qū)西興街道阡陌路482號(hào)智慧e谷B座17層
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及軸承故障檢測(cè)技術(shù)領(lǐng)域，公開(kāi)了一種基于短時(shí)希爾伯特變換的滾動(dòng)軸承故障診斷方法，包括：A)采集軸承振動(dòng)信號(hào)，利用最小熵解卷積設(shè)計(jì)最優(yōu)濾波器；B)利用最優(yōu)濾波器對(duì)軸承振動(dòng)信號(hào)進(jìn)行濾波處理；C)對(duì)濾波處理后的軸承振動(dòng)信號(hào)進(jìn)行短時(shí)希爾伯特變換，獲得特征圖像；D)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型；E)利用已經(jīng)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)軸承故障類(lèi)別分類(lèi)。本發(fā)明利用最小熵解卷積對(duì)采集到的信號(hào)進(jìn)行濾波處理，再通過(guò)短時(shí)希爾伯特變換方法獲取特征圖像，能夠最大限度地保留振動(dòng)信號(hào)特征，再通過(guò)卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了軸承故障類(lèi)型以及故障嚴(yán)重程度的分類(lèi)，提高了故障分類(lèi)的準(zhǔn)確性。