【技术实现步骤摘要】
本专利技术涉及机械故障识别，具体涉及一种旋转机械复合故障识别模型的生成方法及故障识别方法。
技术介绍
1、随着现代制造业快速发展，加速大尺寸机械装备批量化生产。旋转机械是机械装备中最为关键的部件之一，旋转机械长期运转，很容易发生退化磨损甚至失效。如果对于失效部件缺乏及时的维护，失效部位将会进一步扩大，单一故障也会因此演化为复合故障，导致整个机械设备停机甚至出现伤亡事故。旋转机械复合故障诊断是非常具有前景的技术，可以有效确保机械装备的安全运行，降低维护成本和经济损失。
2、目前，旋转机械的故障诊断技术主要包括两类，基于模型与基于数据驱动的方法。其中，基于模型的方法可以精确的预测设备故障，但前提是开发的模型可以精确的描述一台老旧设备的退化特征。然而，机械设备实际的退化过程受多种因素的影响，如其它机械部件或设备的工作环境等。退化损伤过程中的非线性、随机性以及动态变化等特征给基于模型的方法带来了大量的不确定参数。而基于数据驱动的方法，能够准确追踪机械装备真实的退化过程，并精确预测设备的退化状态。基于数据驱动的故障诊断方法主要包括三个...
【技术保护点】
1.一种旋转机械复合故障识别模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，基于所述振动信号构建训练集，包括：
3.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，所述旋转机械设备在故障状态下的振动信号，包括：所述旋转机械设备在单一故障状态下的振动信号。
4.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，对训练集以及频域信号进行预处理，包括：
5.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，所述卷...
【技术特征摘要】
1.一种旋转机械复合故障识别模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，基于所述振动信号构建训练集，包括：
3.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，所述旋转机械设备在故障状态下的振动信号，包括：所述旋转机械设备在单一故障状态下的振动信号。
4.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，对训练集以及频域信号进行预处理，包括：
5.根据权利要求1所述的旋转机械复合故障识别模型的生成方法，其特征在于，所述卷积神经网络模型，包括：三组卷积模块和一个全连接层，每组卷积模块包含一个卷积层、一个激活层和一个池化层，三个卷积...
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。