摘要
本发明公开了一种基于带式输送机托辊轴承声学信号的故障诊断方法,包括利用浣熊优化算法对变分模态分解算法中的关键参数进行自适应全局寻优,得到全局最优解,将全局最优解反馈至变分模态分解算法中,使用该算法对采集的托辊轴承声学信号进行自适应信号分解,得到IMF;利用综合指标对IMF中的分量进行筛选,得到最优IMF分量,并计算其时域特征值,构成降噪后的信号特征向量;使用浣熊优化算法对卷积神经网络的超参数进行寻优,得到优化后的卷积神经网络故障诊断模型,将降噪后的信号特征向量输入到该模型中进行故障分类诊断,得到诊断结果。本发明能够自适应地对托辊轴承的声学信号进行分解并提取故障特征,有效解决了模态混叠等问题。
技术关键词
托辊轴承
故障诊断方法
带式输送机
故障诊断模型
变分模态分解算法
信号
声音传感器
参数
信息熵
特征值
因子
指标
处理器
故障特征
节点
存储器
计算机
训练集
系统为您推荐了相关专利信息
轴承故障诊断方法
矿山水泵
故障诊断模型
三维点云数据
连续小波变换
电力线宽带载波
故障诊断方法
故障采集系统
数据通信
时域反射法
故障监测诊断系统
煤矿井下
终端单元
故障诊断模型
采集单元
故障诊断方法
电流传感器
电压传感器
磷酸铁锂电池
多项式
水下推进器
故障诊断方法
速度预测模型
故障分类模型
故障特征