摘要
本发明公开了一种基于信号的旋转机械智能故障诊断方法和系统,步骤1,获取轴承不同状态下的振动信号,对振动信号进行标签标注,构成原始数据集;步骤2,对原始数据集进行特征提取,得到特征数据集;步骤3,采用特征选择进化算法对特征数据集进行处理,降低特征数据集的维数,得到关键故障特征组合;步骤4,利用K近邻分类技术根据关键特征组合对待识别故障进行识别和分类,确定故障类别。本发明能够通过有效的预处理、特征增强以及多角度分析为故障诊断提供了更加准确和全面的特征信息,不仅提高了故障模式的分类精度,也为后续的特征选择部分奠定了基础。
技术关键词
旋转机械智能故障诊断方法
K近邻分类技术
重构
信号
关键故障特征
特征选择
故障类别
识别故障
进化算法
K近邻分类方法
智能故障诊断系统
频域特征
概率密度函数
时域特征
故障诊断模块
因子
特征提取模块
数据获取模块
标签