一种旋转机械故障诊断方法、系统及存储介质技术方案

本发明专利技术公开了一种旋转机械故障诊断方法、系统及存储介质，包括：S1、将实时采集的待测旋转机械的振动信号，采用短时傅里叶变换法进行频谱分析，得到振动信号的频谱图，并将振动信号的频谱图映射为短时周期图；S2、以所得短时周期图的每个频率为时空图的节点，并使每对节点相互连接构成一个全连通、无向的时空图；S3、采用图论法构建所得时空图的矩阵表示，记为拉普拉斯矩阵，并对拉普拉斯矩阵进行正交分解，提取特征值，记为故障特征向量；S4、将所得故障特征向量输入到预训练好的故障诊断模型中，得到待测旋转机械的故障类型。本发明专利技术以时空图结合拉普拉斯矩阵来提取故障特征，大大提高了计算效率和分类准确率，适用于复杂工况下的故障诊断。

【技术实现步骤摘要】
一种旋转机械故障诊断方法、系统及存储介质
本专利技术属于旋转机械故障诊断
，更具体地，涉及一种旋转机械故障诊断方法、系统及存储介质。
技术介绍
旋转机械作为机器传动环节的关键组件，被广泛用于现代制造和工业过程中。在大多数实际应用中，旋转机械工作在恶劣或复杂的环境下，例如高温、高压环境，变速和可变负载。旋转机械在长时间运行后可能会出现各种损坏和故障，这些故障将会影响系统性能，严重会损坏机器。旋转机械故障诊断方法包括基于知识经验特征计算的方法和基于特征自学习的方法。其中，基于知识经验特征计算的方法首先根据先验知识和工程经验来选择和计算故障特征，再将将故障特征输入到分类算法以进行故障诊断。该方法包括信号预处理、特征计算、特征选择、故障分类四个基本步骤。可以看出，该方法主要基于信号处理，例如傅立叶变换和小波变换；然而，由于振动信号的非线性和非平稳性，该方法获取的特征包含的故障信息少，在进行故障分类时无法提供可靠的诊断结果。此外，其中一些方法需要应用多种信号预处理方法和多个统计特征的计算以获得足够的故障特征，这也增加了方法实施的复杂性。而基本文档来自技高网...

【技术保护点】
1.一种旋转机械故障诊断方法，其特征在于，包括以下步骤：/nS1、将实时采集的待测旋转机械的振动信号，采用短时傅里叶变换法进行频谱分析，得到振动信号的频谱图，并将所述振动信号的频谱图映射为短时周期图；/nS2、以所述短时周期图的每个频率为时空图的节点，并使每对节点相互连接构成一个全连通、无向的时空图；/nS3、采用图论法构建所述时空图的矩阵表示，记为拉普拉斯矩阵，并对所述拉普拉斯矩阵进行正交分解，提取特征值，记为故障特征向量；/nS4、将所述故障特征向量输入到预训练好的故障诊断模型中，得到待测旋转机械的故障类型；/n其中，所述故障诊断模型为机器学习模型。/n

【技术特征摘要】
1.一种旋转机械故障诊断方法，其特征在于，包括以下步骤：
S1、将实时采集的待测旋转机械的振动信号，采用短时傅里叶变换法进行频谱分析，得到振动信号的频谱图，并将所述振动信号的频谱图映射为短时周期图；
S2、以所述短时周期图的每个频率为时空图的节点，并使每对节点相互连接构成一个全连通、无向的时空图；
S3、采用图论法构建所述时空图的矩阵表示，记为拉普拉斯矩阵，并对所述拉普拉斯矩阵进行正交分解，提取特征值，记为故障特征向量；
S4、将所述故障特征向量输入到预训练好的故障诊断模型中，得到待测旋转机械的故障类型；
其中，所述故障诊断模型为机器学习模型。


2.根据权利要求1所述的旋转机械故障诊断方法，其特征在于，所述振动信号的频谱图表示为：



其中，Y(k,m)是在频率为kΔf、时间为mΔM时的频谱幅值；k为频率索引，m为时间索引；x(n)为第n采样时刻的振动信号，N为振动信号的长度，ΔM为时间间隔，Δf为频率间隔，ω为窗函数，*表示共轭运算。


3.根据权利要求2所述的旋转机械故障诊断方法，其特征在于，所述短时周期图表示为：



其中，P(k,m)为在频率索引为k、时间索引为m时的短时周期图幅值；T为窗口长度。


4.根据权利要求3所述的旋转机械故障诊断方法，其特征在于，所述时空图表示为G＝{V,E,W}，其中，V表示时空图节点，节点数量为K，K为最大频率索引；E为两个节点之间的连接边；W为权重矩阵，其第i行第j列的元素m0为振动信号的起始采样时刻所对应的时间索引；mn为振动信号的截止采样时刻所对应的时间索引；ki为第i个节点所对应的频率索引；kj为第j个节点所对应的频率索引；Dis{P(ki,mf),P(kj,mf)}为时间索引为mf时第i个节点和第j个节点的欧式距离。


5.根据权利要求4所述的旋转机械故障诊断方法，其...

【专利技术属性】
技术研发人员：刘颉，杨超颖，周凯波，张凯锋，李尚元，曹贯男，张昌河，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42