【技术实现步骤摘要】
本专利技术涉及故障检测，特别涉及一种轴承故障分类的方法及相关装置。
技术介绍
1、滚动轴承是机泵等旋转机械系统的关键部件之一，由于服役时间长转速高，滚动轴承极容易产生裂纹，点蚀等故障。旋转机械的故障中轴承的损坏故障约占30％，轴承的运转情况直接影响到整台机械的性能。因此准确诊断滚动轴承的故障问题十分重要。
2、在实际的工业生产中，由于机械设备运行环境复杂、受噪声干扰较大、测点位置受限等因素，轴承早期故障信号具有非线性、信息冗余特性，从而难以获得其中的故障信息。如何在低信噪比振动信号中有效提取故障特征，进而实现滚动轴承故障分类诊断是一项亟待解决的关键技术问题。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种轴承故障分类的方法及相关装置。
2、第一方面，本专利技术实施例提供一种轴承故障分类方法，包括：
3、将采集的轴承已知的多个故障类型下第一振动信号进行处理后，输入至预设的字典学习算法模型中，构建包含...
【技术保护点】
1.一种轴承故障分类方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将采集的轴承已知的多个故障类型下第一振动信号进行处理后，输入至预设的字典学习算法模型中，构建包含多个故障类型训练样本的稀疏字典，包括：
3.如权利要求1所述的方法，其特征在于，计算所述测试样本进行稀疏优化求解，得到第一稀疏系数，包括：
4.如权利要求3所述的方法，其特征在于，根据所述RCMFE加权参数，计算加权系数，根据所述第二稀疏系数以及加权系数，对测试样本进行稀疏优化求解，得到所述第一稀疏系数，包括：
5.如权利要求1所述的方法，其...
【技术特征摘要】
1.一种轴承故障分类方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将采集的轴承已知的多个故障类型下第一振动信号进行处理后，输入至预设的字典学习算法模型中，构建包含多个故障类型训练样本的稀疏字典，包括：
3.如权利要求1所述的方法，其特征在于，计算所述测试样本进行稀疏优化求解，得到第一稀疏系数，包括：
4.如权利要求3所述的方法，其特征在于，根据所述rcmfe加权参数，计算加权系数，根据所述第二稀疏系数以及加权系数，对测试样本进行稀疏优化求解，得到所述第一稀疏系数，包括：
5.如权利要求1所述的方法，其特征在于，将所述测试样本与所述多个故障类型对应的重构信号进行比较，根据比较结果，确定所述测试样本对应的故障种类，包括：
6.如权利要求5所述的方法，其特征在于，通过下述公式确定所述测试样本与所述多个故障...
【专利技术属性】
技术研发人员：李迎丽，赵斌，孙文勇，高俊峰，罗方伟，高志杰，刘文才，章珉辉，郑会勇，吴祚祥，张雪，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
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。