【技术实现步骤摘要】
一种时变转速下旋转机械智能故障诊断方法
本专利技术涉及一种机械故障诊断方法，具体是一种针对缺少专家经验及先域知识的时变转速下工况下旋转机械的智能故障诊断方法，属于机械故障检测诊断
技术介绍
目前针对旋转机械故障诊断的研究中，针对智能化自适应诊断主要采用机器学习方法，而近年来被广泛采用的深度学习方法具有更强的故障分类性能，但现有的智能化自适应诊断方法主要在恒定工况的旋转机械故障诊断中有着较好的应用，而针对变转速工况的旋转机械故障诊断的相关研究较少，特别是转速不规律的时变条件下，深度学习方法无法解决故障诊断问题。
技术实现思路
针对上述问题，本专利技术提供一种时变转速下旋转机械智能故障诊断方法，能够对时变转速条件下旋转机械的故障敏感特征进行自适应提取且进行快速准确的故障识别分类，从而实现故障诊断。为实现上述目的，本时变转速下旋转机械智能故障诊断方法具体包括以下步骤：步骤一：利用加速度传感器采集轴承的振动信号；步骤二：对采集的信号进行Gabor展开，获得Gabor时频图；
【技术保护点】
1.一种时变转速下旋转机械智能故障诊断方法，其特征在于，具体包括以下步骤：/n步骤一：利用加速度传感器采集轴承的振动信号；/n步骤二：对采集的信号进行Gabor展开，获得Gabor时频图；/n步骤三：在Gabor时频图中选取明显的某阶次分量，在其脊线上放置控制点，用直线连接控制点，通过线性插值法得到滤波中心频率线，计算得到滤波邻域；/n步骤四：通过遮掩算法求取该阶次的Gabor系数
【技术特征摘要】
1.一种时变转速下旋转机械智能故障诊断方法，其特征在于，具体包括以下步骤：
步骤一：利用加速度传感器采集轴承的振动信号；
步骤二：对采集的信号进行Gabor展开，获得Gabor时频图；
步骤三：在Gabor时频图中选取明显的某阶次分量，在其脊线上放置控制点，用直线连接控制点，通过线性插值法得到滤波中心频率线，计算得到滤波邻域；
步骤四：通过遮掩算法求取该阶次的Gabor系数获取仅有该阶次分量的时频谱Mq(t,f)；
步骤五：根据局部极值搜索算法进行瞬时频率估计并进行二次拟合；
步骤六：通过拟合得到的瞬时频率函数进行键相时标计算及等角度重采样；
步骤七：对等角度重采样信号进行标准化处理并分割，之后构建带标签的数据集(X，Y)，并按3:1比例划分训练集和测试集；
步骤八：搭建LSTM模型，该模型由LSTM特征提取层、BN泛化层、全连接层及softmax分类层组成；
步骤九：利用训练集对LSTM模型进行训练，得到参数训练好的模型；利用测试集对训练好的模型进行检测，计算故障诊断精度；
步骤十：采集工业过程中的实时数据，进行角域重采样，之后输入到训练好的LSTM模型中，得到故障诊断结果。
2.根据权利要求1所述的时变转速下旋转机械智能故障诊断方法，其特征在于，步骤二中Gabor展开算法为：
其中，L为信号的周期，M与N分别为时域采样数与频域采样数，Cm,n为Gabor系数，hL(k)与γL(k)定义为
hL(k)＝h(k-mΔM)e2πnΔNk/L
γL(k)＝γ(k-mΔM)e2πnΔNk/L
hL(k)与γL(k)二者符合的双正交关系为
式中ΔM与ΔN分别为时间采样间隔与频率采样间隔，临界采样情况下ΔMΔN＝L。
3.根据权利要求1所述的时变转速下旋转机械智能故障诊断方法，其特征在于，步骤四中遮掩算法为根据时变滤波邻域设定一个与Cm,n具有相同维数的二进制遮掩数组之后提取的公式为
4.根据权利要求1所述的时变转速下旋转机械智能故障诊断方法，其特征在于，步骤三中滤波邻域用等频率法或等阶次法来计算，
采用等频率法计算时，若第q阶中心频率为fq(t)，等频率带宽Δf为以常量，则滤波邻域计算公式为
采用等阶次法时滤波邻域计算公式为
式中fq(t)为第q个中心频率，Δf为等频率带宽，Δo为等阶带宽，fq(t)为中心频率。
5.根据权利要求1所述的时变转速下旋转机械智能故障诊断方法，其特征在于，步骤五中进行瞬时频率估计的部极值搜索算法公式为
IFq(t+1)＝Argmax...
【专利技术属性】
技术研发人员：王鹏，李庆，孙益群，王忠利，孙晋明，
申请(专利权)人：江苏天沃重工科技有限公司，
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。