摘要
本发明公开了一种多测度融合的设备故障诊断算法及应用,包括以下步骤:构造数据集,数据集中任一数据样本包括相同采集时段的振动数据和声音数据,以及对应的故障类别;对振动数据和声音数据归一化处理后,分别进行多测度特征提取,融合提取的所有测度特征;使用卡方检验在多测度融合特征中筛选出故障的强相关特征,得到强相关特征矩阵;根据强相关特征矩阵和故障检测类别,构建故障检测模型并训练;对待诊断的轴承采集振动数据和声音数据以构建强相关特征矩阵,输入到训练后的故障检测模型中,得到故障检测结果。本发明对轴承故障检测准确率较高,且可适用于不同型号和工况的轴承故障检测,具有较强的通用性。
技术关键词
设备故障诊断
故障检测模型
轴承故障检测
数据
算法
故障类别
融合特征
矩阵
信号信噪比
因子
信号失真
频率
波形
样本
功率
幅值
工况
脉冲
系统为您推荐了相关专利信息
变压器热点温度
融合多源
变压器绕组温度
BP神经网络预测
变压器顶层油温