【技术实现步骤摘要】
本专利技术属于先进制造业与计算机，涉及机电设备故障诊断与健康管理方法。
技术介绍
1、预测与健康管理(prognostics and health management，以下简称phm)旨在实现设备在线状态检测、故障诊断、剩余寿命预测及健康管理，对提高设备运行可靠性、优化运维策略、降低运营成本、增强企业竞争力具有重要作用[1]。预测和健康管理是故障诊断与在线检测、系统健康状态评估和预测性维护的有效工具。国内外学者针对phm的相关问题，进行了深入的研究。hu等[2]从设计、开发和决策三个方面，总结了phm的解决问题框架。沈保明等[3]从深度学习在机械设备故障诊断与健康管理应用中的基本流程入手，分析了phm算法模型中深度神经网络的输入特征及其主要类型和特点。wang等[4]整合了基于模型的粒子滤波方法和数据驱动预测方法两者的优势，构建了一个基于phm的融合预测框架，该框架能够获得更加精确的预测结果。金晓航等[5]基于工业大数据视角，探讨了复杂设备的phm技术。王后闯等[6]从架构、功能方面分析了铁路客车phm的设计与实现。
2、...
【技术保护点】
1.机电设备故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的机电设备故障诊断方法，其特征在于，步骤1中，机电设备故障诊断与健康管理架构自下而上包括有：设备层、感知层、数据处理及存储层、数据分析层及应用层；
3.根据权利要求2所述的机电设备故障诊断方法，其特征在于，步骤2中，(1)当进行机电设备故障诊断时：在感知层中，利用各种传感器分别采集电机转速、定子温度、轴承温度、电机电压、电机电流、轴承振动频率、轴承发声数据，随机抽取3/4的数据作为机电设备振动故障诊断模型的训练集，1/4的数据作为机电设备振动故障诊断模型的测试集，并...
【技术特征摘要】
1.机电设备故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的机电设备故障诊断方法，其特征在于，步骤1中，机电设备故障诊断与健康管理架构自下而上包括有：设备层、感知层、数据处理及存储层、数据分析层及应用层；
3.根据权利要求2所述的机电设备故障诊断方法，其特征在于，步骤2中，(1)当进行机电设备故障诊断时：在感知层中，利用各种传感器分别采集电机转速、定子温度、轴承温度、电机电压、电机电流、轴承振动频率、轴承发声数据，随机抽取3/4的数据作为机电设备振动故障诊断模型的训练集，1/...
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。