摘要
本发明提出基于冯·诺依曼图熵的旋转机械早期故障检测方法及系统,涉及旋转机械故障检测技术领域。包括获取旋转机械的振动信号,进行Gabor变换得到一系列短时功率谱并映射,得到多个无向加权近邻图模型;计算无向加权近邻图模型的拉普拉斯矩阵,构造与对应的无向加权近邻图模型关联的图密度向量,将图密度向量与冯·诺依曼熵结合,得到冯·诺依曼图熵;将每个无向加权近邻图模型的冯·诺依曼图熵排序,得到冯·诺依曼图熵集合;判断集合中冯·诺依曼图熵异常增大时判断旋转机械产生了故障。本发明提高了对异常状态的变化的敏感性和对噪声干扰的鲁棒性,在早期阶段能够及时、准确地捕捉到故障状态的发生。
技术关键词
早期故障检测方法
旋转机械健康状态
拉普拉斯
早期故障检测系统
矩阵
旋转机械故障检测
特征值
线性回归模型
密度
时序
功率
信号获取模块
监测轴承
采样点
处理器
节点
序列
滑动窗
系统为您推荐了相关专利信息
综合需求响应
园区综合能源系统
负荷概率分布函数
场景
能量转换设备
深度检测方法
波纹板
协方差矩阵
噪声
深度检测装置
数据驱动模型
人工鱼群算法
核主成分分析算法
计算机可读指令
参数