电机故障信号特征提取方法、系统、计算机及存储介质技术方案

本发明专利技术提供了一种电机故障信号特征提取方法、系统、计算机及存储介质，该方法包括：当检测到故障信号时，同时初始化RSSD算法与PF

【技术实现步骤摘要】
电机故障信号特征提取方法、系统、计算机及存储介质


[0001]本专利技术涉及数据处理
，特别涉及一种电机故障信号特征提取方法、系统、计算机及存储介质。

技术介绍

[0002]随着在现有的工业中，电机传动装置是工业设备中不可或缺的一环，因此，电机传动装置作为工业设备中的关键构件，其是否能正常运行对工业装置的稳定有着及其重要的影响。
[0003]其中，电机轴承是电机传动装置中重要的组成部分之一，并且在现有的旋转机械设备中，电机轴承出现故障的频次较高，同时电机轴承作为电机机组中的关键部件，当其出现故障并且未及时发现时，容易导致机组设施出现异响以及振动，严重时会导致整个设备发生损坏，给工厂带来不必要的损失。
[0004]另外，由于现有的电机传动故障所引起的冲击信息往往是微弱的，同时在电机高转速、强负荷以及强噪声的环境下，电机传动的故障特征往往表现出一种非线性、非平稳的特征信息。
[0005]因此，针对现有技术的不足，提供一种能够在复杂工况下提取出电机传动故障信号特征，以分析出电机传动故障原因的方法很有必要。
专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机故障信号特征提取方法，其特征在于，所述方法包括：当检测到故障信号时，同时初始化RSSD算法与PF
‑
PSO算法中的参数，并基于预设规则通过所述PF
‑
PSO算法计算出与所述RSSD算法适配的最优参数，所述最优参数具有唯一性；将所述最优参数输入至所述RSSD算法中，以使所述RSSD算法输出对应的最优低共振分量信号；对所述最优低共振分量信号进行故障特征识别处理，以对应提取出与所述故障信号对应的故障特征信息。2.根据权利要求1所述的电机故障信号特征提取方法，其特征在于：所述基于预设规则通过所述PF
‑
PSO算法计算出与所述RSSD算法适配的最优参数的步骤包括：检测出所述PF
‑
PSO算法中包含的若干罚函数粒子种群，并通过所述RSSD算法对若干所述罚函数粒子种群进行分解处理，以生成若干对应的粒子个体；基于低共振分量信号CK最小原则对若干所述粒子个体的粒子位置进行迭代更新，并实时判断更新后的粒子个体对应的粒子位置是否满足预设约束条件；若实时判断到更新后的粒子个体对应的粒子位置满足所述预设约束条件，则判定当前所述粒子个体对应的粒子位置为所述最优参数。3.根据权利要求2所述的电机故障信号特征提取方法，其特征在于：所述当检测到故障信号时，同时初始化RSSD算法与PF
‑
PSO算法中的参数的步骤包括：当检测到所述故障信号时，对所述PF
‑
PSO算法中的罚函数粒子种群参数进行初始化处理，并随机生成若干所述罚函数粒子种群；选取出与若干所述罚函数粒子种群对应的品质因子，并设定与所述品质因子对应的寻优区间，所述寻优区间具有唯一性。4.根据权利要求2所述的电机故障信号特征提取方法，其特征在于：所述基于低共振分量信号CK最小原则包括：选取出与所述PF
‑
PSO算法适配的相关系数C以及峭度因子K，并建立所述相关系数C与所述峭度因子K之间的映射关系；对所述相关系数C和所述峭度因子K进行融合运算，以生成对应的低共振分量信号CK，并将所述低共振分量信号CK设定为所述PF
‑
PSO算法的适应度函数；其中，所述峭度因子的表达式为：其中，μ表示信号的均值，σ表示标准差，E表示期望值，所述相关系数C的表达式为：其中，x
i
和y
i
分别表示当前信号x，y在第i个点处的值，和分别表示当前信号x，y
的平均值，所述相关系数C∈[0，1]，当所述相关系数C=0时，表示信号x与信号y完全不相关，当所述相关系数C=1时，表示信号x与信号y完全相关，n表示常数，所述低共振分量信号CK的定义式为：CK=C/K其中，...

【专利技术属性】
技术研发人员：盛敬，丁小华，吴少博，卢引引，郭方方，赵雪凡，张扬，谢云敏，许惠君，饶繁星，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：