摘要
本发明涉及故障诊断技术领域,公开了一种基于人工智能的涡旋压缩机止推轴承故障诊断方法及系统。该方法包括:通过压电加速度传感器阵列采集涡旋压缩机止推轴承的原始振动信号,并对所述原始振动信号进行角度域同步和模态分解,得到解调振动信号;根据所述解调振动信号提取所述涡旋压缩机止推轴承中内圈损伤、外圈裂纹、滚动体剥落和保持架变形的故障特征频谱图谱;基于所述故障特征频谱图谱从时域、频域和时频域提取故障特征,并构建故障特征向量;将所述故障特征向量输入集成学习模型进行故障识别分析,得到故障类型和严重程度。本发明提高了涡旋压缩机止推轴承故障诊断的准确率。
技术关键词
涡旋压缩机
止推轴承
故障诊断方法
压电加速度传感器
集成学习模型
故障特征频率
学习器
滚动体
图谱
故障诊断系统
脉冲特征
信号建立时间
时域统计特征
工况参数
频谱特征
时域特征
裂纹
系统为您推荐了相关专利信息
故障诊断方法
分解算法
故障诊断模型
灰狼优化算法
功率驱动电路
故障诊断方法
充换电设备
大数据
电设备故障
多模态数据采集
断路器故障诊断
故障诊断方法
故障诊断模型
参数
诊断断路器
飞机刹车系统
卷积网络模型
噪声标签
液压系统故障诊断技术
生成多尺度
主轴箱系统
故障诊断方法
铣齿机
故障诊断模型
振动加速度传感器