【技术实现步骤摘要】
一种基于S变换诊断轴承潜在故障的方法
本专利技术涉及轴承故障分析领域，特别涉及一种基于S变换诊断轴承潜在故障的方法。
技术介绍
具有旋转部件的机器由于长时间使用而会随着时间的流逝而磨损，即使维护和/或定期修理机器也是如此。某些机器在使用过程中不会受到磨损的监视，而仅在使用之间进行检查。例如，某些车辆(例如机车)中的涡轮增压器可能没有仪器来监测涡轮增压器运行期间的振动，轴承温度或转子响应。轴承的过度磨损会导致转子不稳定，高排量和最终的摩擦，从而可能导致涡轮增压器故障。由异物损坏(FOD)或涡轮叶片上过多的沉积物引起的高度不平衡也会导致高轴运动，轴承磨损以及由于与固定零件的旋转接触而导致的最终故障。现有技术中专利公开了一种基于双类特征融合诊断的柱塞泵故障诊断系统，该系统通过加速度传感器将泵的振动信号转变为电信号，用双类特征提取方式提取信号的小波包相对能量谱和小波包相对特征熵两类特征进行故障诊断。该系统实际操作需要将加速度传感器与泵体连接，振动信号的特征与连接位置有很大关系，因此，要想准确监测某个故障需要在泵体多个...
【技术保护点】
1.一种基于S变换诊断轴承潜在故障的方法，其特征在于，包括如下步骤：/n采集不同故障类型的轴承的振动信号x
【技术特征摘要】
1.一种基于S变换诊断轴承潜在故障的方法，其特征在于，包括如下步骤：
采集不同故障类型的轴承的振动信号xj(t)，利用小波消噪对振动信号xj(t)进行滤波得xj(m)，其中j为故障种类；
对滤波后的xj(m)信号进行S变换，得到第j故障类型的时域和频域的特征向量集；
将得到第j故障类型的时域和频域的特征向量作为SAE深度学习模型的输入进行数据降维处理得到数据集Xj；
将不同故障类型的数据集Xj组成样本数据集，样本数据集和故障类型作为支持向量机的输入，训练得到轴承故障识别模型；
利用轴承故障识别模型对未知故障的轴承振动信号进行识别。
2.根据权利要求1所述的基于S变换诊断轴承潜在故障的方法，其特征在于，对滤波后的xj(m)信号进行S变换，具体步骤如下：
对信号xj(m)进行离散傅里叶变换得Xj[k]：
式中k为频谱的频点，取值为自然...
【专利技术属性】
技术研发人员：王秀礼，李志国，朱荣生，付强，赵媛媛，徐伟，林彬，蒋夏飞，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。