System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于设备故障诊断领域,尤其涉及一种基于多源信息融合的球磨机传动系统故障诊断方法与系统。
技术介绍
1、球磨机是一种用于矿石磨矿的设备,广泛应用于矿山、冶金、建筑、化工等领域。由于球磨机通常在恶劣环境下运行,且其工作过程涉及到多个复杂的机械和电气部件,因此故障的发生可能导致生产中断、设备损坏以及维修成本的增加。在这种情况下,球磨机故障诊断方法的重要性凸显。
2、振动监测是一种非侵入性的方法,不需要中断设备运行即可实施。振动信号通常对机械系统的微小变化非常敏感,且其可以提供丰富的频域、时域和谱分析信息,有助于确定不同类型的故障。但振动信号易受周围环境噪声的影响,尤其是在低频段,对降噪技术的要求较高。此外,振动传感器的安装位置对诊断精度也有一定的影响。噪声信号采集相对容易,涵盖了机械系统运行时的多种信息,包括来自不同部件的振动、电磁干扰、气流、颗粒运动产生的声音等,这种多样性使噪声信号更具代表性,更易于发现传动系统的潜在问题。电流信号通常是直接从电机或动力系统获取的,因此可以提供关于球磨机电力系统状态的重要信息。电流信号的低频段存在的基波分量,高频段存在谐波分量以及全频段都有的电噪声等严重影响电流信号有效故障特征的提取。由以上分析可知,基于单一种类信号的故障诊断方法无法从根本上通过信号处理克服难以精确识别故障种类的问题,而多源信号的融合通常包括互补的故障信息,将这些信息在不同层次融合,可以克服各自的缺点,达到更高的诊断精度。
3、近年来,随着传感器和信息技术的发展,基于深度学习的故障诊断方法应运而生。
技术实现思路
1、针对现有技术的不足,本专利技术通过将不同传感器所测得的信号耦合,提高了对球磨机传动系统故障的诊断精度,有效避免了单一信号在故障提取中不同频段上的信息缺失,将多模态数据的特征提取无缝集成到故障诊断数据融合中,使之形成互补的故障特征。
2、本专利技术公开了一种基于多源信息融合的球磨机传动系统故障诊断方法,该方法包括:
3、s1、采集带有标签的球磨机传动多模态故障数据并使用陷波滤波器去除基频噪声;
4、s2、对多模态故障数据分别进行小波变换,分频段提取球磨机传动系统故障的多模态时频域特征,得到每个信号的细节系数特征和近似系数特征;
5、s3、使用最大绝对值规则分别融合不同信号的细节系数特征和不同信号的近似系数特征;将所有频段特征进行融合,得到包含全频段特征的向量;
6、s4、将信号分段,根据每段对应的包含全频段特征的向量得到特征矩阵,使用递归特征消除法进行特征选择,得到优化后的特征矩阵;
7、s5、将带有标签的球磨机传动多模态故障数据输入到自编码器中,使用无监督学习进行训练,使用训练好的自编码器对融合后的特征向量进行诊断,输出球磨机传动系统故障检测结果。
8、进一步地,所述球磨机传动多模态故障数据包括:齿轮箱振动数据、球磨机正面1m处噪声数据、电机电流数据。
9、进一步地,所述使用陷波滤波器去除基频噪声具体为:设计陷波滤波器的中心频率与基频相同。
10、进一步地,所述标签包括传动齿轮故障、传动轴轴承座断裂、减速箱从动轴断裂、控制系统故障、润滑系统故障和联轴器故障六种。
11、进一步地,所述分频段提取球磨机传动系统故障的多模态时频域特征具体为:将不同的多模态故障数据通过离散小波变换将信号分解为高频的细节系数和低频段的近似系数;对不同的细节系数和近似系数都计算对应的时域特征;所述时域特征包括平均值、标准偏差、偏斜、峰度、rms、能量,香农熵、对数能量熵和四分位距;计算时选取时域特征中的一个或多个;得到每个信号对应的不同频段时域特征。
12、进一步地,所述s3中,融合细节系数特征的融合规则为:
13、
14、其中,、和分别是振动信号、噪声信号和电流信号的细节系数特征;
15、近似系数特征的融合具体为:将振动信号、噪声信号和电流信号的近似系数特征统一规则排列,得到样本矩阵、和,利用k-svd对矩阵训练得到字典,通过omp算法得到稀疏系数矩阵、和;分别计算样本矩阵的均值矩阵,得到:
16、
17、
18、其中,和分别是、的第i列向量;具有相同非零位的表示为的共同特征信息,具有不同非零位的表示为的唯一特征信息;利用最大绝对值规则融合,融合规则如下方式表示:
19、
20、
21、式中,为融合后的低频系数特征。
22、进一步地,所述使用递归特征消除法进行特征选择具体为:首先选择需要保留的特征数量,然后通过递归特征消除法训练一个回归模型,得到每个特征的权重;训练过程中每轮递归均剔除权重最小的特征;直至特征数量缩减至需要保留的特征数量。
23、进一步地,所述自编码器由编码和和解码组成,编码和解码计算过程分别为:
24、
25、式中:为重构样本的数据;分别为网络编码过程的权值和偏值;分别为网络解码过程的权值和偏值;和为激活函数,为网络编码过程的中间量。
26、根据本说明书的另一方面,提供了一种基于多源信息融合的球磨机传动系统故障诊断系统,该系统包括:球磨机多模态传感器数据采集模块、时频域特征提取模块、多模态时频域特征模块、优化特征集合模块和诊断模块;
27、所述球磨机多模态传感器数据采集模块用于采集带有标签的球磨机传动多模态故障数据并使用陷波滤波器去除基频噪声;
28、所述时频域特征提取模块用于对多模态故障数据分别进行小波变换,分频段提取球磨机传动系统故障的多模态时频域特征,得到每个信号的细节系数特征和近似系数特征;
29、所述多模态时频域特征模块用于使用最大绝对值规则分别融合不同信号的细节系数特征和不同信号的近似系数特征;将所有频段特征进行融合,得到包含全频段特征的向量;
30、所述优化特征集合模块用于将信号分段,根据每段对应的包含全频段特征的向量得到特征矩阵,使用递归特征消除法进行特征选择,得到优化后的特征矩阵;
31、所述诊断模块用于将带有标签的球磨机传动多模态故障数据输入到自编码器中,使用无监督学习进行训练,使用训练好的自编码器对融合后的特征向量进行诊断,输出球磨机传动系统故障检测系统。
32、根据本说明书的第三方面,提供了一种基于多源信息融合的球磨机传动系统故障诊断装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现所述的一种基于多源信息融合的球磨本文档来自技高网...
【技术保护点】
1.一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述球磨机传动多模态故障数据包括:齿轮箱振动数据、球磨机正面1m处噪声数据、电机电流数据。
3.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述使用陷波滤波器去除基频噪声具体为:设计陷波滤波器的中心频率与基频相同。
4.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述标签包括传动齿轮故障、传动轴轴承座断裂、减速箱从动轴断裂、控制系统故障、润滑系统故障和联轴器故障六种。
5.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述分频段提取球磨机传动系统故障的多模态时频域特征具体为:将不同的多模态故障数据通过离散小波变换将信号分解为高频的细节系数和低频段的近似系数;对不同的细节系数和近似系数都计算对应的时域特征;所述时域特征包括平均值、标准偏差、偏斜、峰度、RMS、能
6.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述S3中,融合细节系数特征的融合规则为:
7.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述使用递归特征消除法进行特征选择具体为:首先选择需要保留的特征数量,然后通过递归特征消除法训练一个回归模型,得到每个特征的权重;训练过程中每轮递归均剔除权重最小的特征;直至特征数量缩减至需要保留的特征数量。
8.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述自编码器由编码和和解码组成,编码和解码计算过程分别为:
9.一种用于实现权利要求1-8任一项所述方法的系统,其特征在于,该系统包括:球磨机多模态传感器数据采集模块、时频域特征提取模块、多模态时频域特征模块、优化特征集合模块和诊断模块;
10.一种基于多源信息融合的球磨机传动系统故障诊断装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,其特征在于,所述处理器执行所述可执行代码时,实现如权利要求1-8中任一项所述的一种基于多源信息融合的球磨机传动系统故障诊断方法。
...【技术特征摘要】
1.一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述球磨机传动多模态故障数据包括:齿轮箱振动数据、球磨机正面1m处噪声数据、电机电流数据。
3.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述使用陷波滤波器去除基频噪声具体为:设计陷波滤波器的中心频率与基频相同。
4.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述标签包括传动齿轮故障、传动轴轴承座断裂、减速箱从动轴断裂、控制系统故障、润滑系统故障和联轴器故障六种。
5.根据权利要求1所述的一种基于多源信息融合的球磨机传动系统故障诊断方法,其特征在于,所述分频段提取球磨机传动系统故障的多模态时频域特征具体为:将不同的多模态故障数据通过离散小波变换将信号分解为高频的细节系数和低频段的近似系数;对不同的细节系数和近似系数都计算对应的时域特征;所述时域特征包括平均值、标准偏差、偏斜、峰度、rms、能量,香农熵、对数能量熵和四分位距;计算时选取时域特征中的一个或多个;得到每个信号对应...
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。