基于差分振子和领域自适应混合模型故障诊断方法及系统技术方案

本发明专利技术涉及煤机设备故障诊断领域，尤其涉及基于差分振子和领域自适应混合模型的故障智能诊断方法，包括如下步骤：建立差分振子输出相图数据样本集，采用最大均值差异原则，建立领域自适应模型；利用煤机设备故障机理模型确定设备故障的特征；根据故障特征设置差分振子的检测特征及其它参数；利用滤波技术对采集到的振动信号进行预处理，并将预处理之后的振动信号输入差分振子模型；将差分振子模型输出的结果作为输入量，输入到训练好的智能模型中，进行故障分类和识别。本发明专利技术利用差分振子可以有效检测非线性和非平稳性信号的特性，对采集到振动信号进行差分变换。由于差分变换后，相图多样，利用领域自适应方法实现相图的状态的智能识别。状态的智能识别。状态的智能识别。

【技术实现步骤摘要】
基于差分振子和领域自适应混合模型故障诊断方法及系统


[0001]本专利技术涉及煤机设备故障诊断领域，尤其涉及基于差分振子和领域自适应混合模型的故障诊断方法及系统。

技术介绍

[0002]随着煤机设备智能化水平的日益提高，尤其是智慧矿山建设的热潮的兴起，减人、提效、增安则成为衡量智慧矿山建设效果的重要指标。为确保煤机设备安全、可靠的运行，其状态的智能诊断是则成为智慧矿山建设的主要组成部分。由于煤机设备特殊的工况环境如受环境影响大(冲击、多尘、潮湿)，叠加工况多变、载荷多变、现场缺乏有效的数据样本等因素严重制约了煤机设备智能诊断技术在煤机领域的应用。
[0003]煤矿特殊的设备运行环境以及工况多变、载荷多变，导致了特征频率提取的困难。传统的特征提取方法与技术主要是针对某一特定的问题，需要故障诊断专家进行深入了解设备的运行状态特征，应用信号处理的方法进行特征提取与识别，对于人员的要求较高，不适合在煤矿现场进行普及应用。
[0004]现实的煤机设备运行过程中以完成生产任务为主，因此，采集到的数据均是以正常运行的健康数据为主。实际设备发生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在于，包括如下步骤：S1，构建差分振子输出相图数据样本集，所述相图数据样本集包括源域和目标域，所述相图数据样本集中涵盖差分振子相图两类相图；S2，建立领域自适应模型，并将所述相图数据样本集对所述领域自适应模型进行训练从而获得训练好的领域自适应模型，所述训练好的领域自适应模型用于识别实际工况下差分振子输出相图的状态，从而实现故障智能诊断；S3，利用设备故障机理模型确定设备故障的特征；S4，基于所述设备故障的特征设置差分振子的参数，所述参数包括所述差分振子的检测特征；基于差分振子的参数建立差分振子模型，所述差分振子模型用于根据设备故障机理模型的特征，构建一个或者多个差分振子，所述差分振子形成差分振子变换序列，对所述设备可能存在的故障特征进行逐一检测；S5，基于领域自适应模型和所述差分振子模型进行故障诊断。2.根据权利要求1所述的一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在于，所述S1中差分振子相图两类相图包括极环状态相图和极点状态相图，其中极环状态和极点状态均包括多种不同的形态；所述极环状态相图表示包含故障特征，所述极点状态相图表示不包含监测的故障信息。3.根据权利要求2所述的一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在于，所述S2中领域自适应模型基于最大均值差异原则建立。4.根据权利要求3所述的一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在于，所述S3中设备故障的特征包括轴承故障特征、齿轮故障特征和/或裂纹故障特征。5.根据权利要求4所述的一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在于，所述S4中差分振子模型是指根据故障机理模型的特征，构建一个或者多个差分振子，形成差分振子变换序列对煤机设备可能存在的故障特征进行逐一检测。6.根据权利要求5所述的一种基于差分振子和领域自适应混合模型的故障诊断方法，其特征在...

【专利技术属性】
技术研发人员：马海龙，李臻，于峰涛，贾洪钢，朱益军，王翔，
申请(专利权)人：天地常州自动化股份有限公司北京分公司，
类型：发明
国别省市：