【技术实现步骤摘要】
本专利技术涉及激光非接触振动检测诊断，特别是一种故障诊断方法及系统。
技术介绍
1、随着工业生产的集成化和综合化，对于很多大型化设备，人工无法时常检测和确认设备的健康程度。并且目前的生产机器设备趋于复杂化，导致故障的耦合性和微弱性增强。依靠振动信号进行分析的方法通常会伴随着故障信号较为隐蔽、干扰信号较多等影响。为振动分析方法增加了识别故障的难度。因此，如何有效的识别微弱故障信号和多源故障信号是目前亟待解决的问题。
2、在电机轴承故障诊断方法上，目前大部分技术集中在如何提高原始信号中故障特征的强度，降低干扰噪声和其他工业振动的干扰，为后期的故障特征识别奠定基础。而在这些技术的基础上，如何准确有效的识别到故障特征是目前的一大难点。在数据驱动的方法中，通过机器学习和深度学习的方法，依赖于大规模的数据驱动，但是实际工业场景中故障样本的稀缺会限制大数据模型方法的性能提升。传统的信号处理方法中，主要通过测振仪采集设备的振动信号，提取信号的时域、频域、时频域特征，直接匹配机械设备的故障类型库。这种方法对于如何自动地、准确地识别到故障类型存
本文档来自技高网...【技术保护点】
1.一种故障诊断方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤1中的分帧处理公式如下：
3.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤2中傅里叶变换公式如下：
4.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤3中的希尔伯特变化公式如下：
5.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤4中倍频的误差ez1∈[-5，5]，所述前n组中的n取10。
6.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤5中的F1=[f1,...
【技术特征摘要】
1.一种故障诊断方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤1中的分帧处理公式如下：
3.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤2中傅里叶变换公式如下：
4.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤3中的希尔伯特变化公式如下：
5.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤4中倍频的误差ez1∈[-5，5]，所述前n组中的n取10。
6.如权利要求1所述的一种故障诊断方法，其特征在于：所述步骤5中的f1=[f1,f2,…,fn]；所述num1=[n1,n2,…,nn]，所述前向差分值的计算公式为
7.如权利要求1所述的一种故障诊断...
【专利技术属性】
技术研发人员：朱小婷，王瑞，王大迟，赵雨露，
申请(专利权)人：安徽至博光电科技股份有限公司，
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。