摘要
本发明提供了一种基于声音与振动信号的轴承故障诊断方法,包括:采集电机轴承的声音信号和振动信号,对声音信号和振动信号进行预处理,并对处理后的声音信号和振动信号进行特征提取;构建基于多维信号的轴承故障诊断模型,对模型进行测试训练得到最优参数,将轴承的声音信号和振动信号输入至轴承故障诊断模型得到故障识别结果。相对于现有技术而言,本发明的技术方案可以充分捕捉轴承的声音与振动信号,自动进行特征提取,进而精准研判轴承故障,准确度高,具有很强的应用前景。
技术关键词
轴承故障诊断方法
振动信号特征
灰度纹理特征
径向基函数神经网络模型
EMD算法
灰度共生矩阵
电机轴承
轴承故障诊断系统
BP神经网络模型
小波变换技术
传播算法
坐标系
参数
图像
噪声
误差
因子
系统为您推荐了相关专利信息
智能语音识别方法
工业互联网
生成特征向量
麦克风阵列
多模态
轴承故障诊断方法
深度残差网络
门控循环单元
故障类别
时序依赖关系
失超检测方法
数据驱动算法
高温超导带材
支持向量机分类器
主成分分析压缩
双流神经网络
气象
历史功率数据
CEEMD算法
SSA算法
轴承故障诊断方法
故障诊断模型
深度学习模型
诊断轴承
连续小波变换