【技术实现步骤摘要】
本专利技术属于故障诊断，具体涉及一种基于物理信息嵌入的轴承故障人工智能诊断方法。
技术介绍
1、在现代机械设备中，滚动元件轴承作为核心支撑组件被广泛应用于各类旋转机械和电动机中。该类轴承通常由内圈、外圈、滚动体（如球体或滚柱）以及保持架等部分构成，其主要任务是为旋转部件提供支撑，承载运行载荷，并在工作过程中降低摩擦阻力。尽管这类元件在设计阶段已充分考虑其运行效率与稳定性，但在持续承受高载荷、高速运转和复杂环境影响的情况下，仍容易出现磨损、疲劳裂纹，甚至结构性损害。若轴承发生故障，可能导致设备性能劣化、能耗上升，并进一步引发一系列机械故障或设备停机，造成显著的经济损失与安全隐患。因此，开展滚动轴承运行状态的实时监控与早期故障识别，对于保障机械系统稳定性和延长其服役周期具有重要的工程价值与现实意义。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供了一种基于物理信息嵌入的轴承故障人工智能诊断方法，首先通过时频分析方法将非平稳振动信号映射至时频域；然后计算边际谱以整合时频能量分布特性，实...
【技术保护点】
1.一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述短时傅里叶变换的公式为：
4.根据权利要求3所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述边际谱的公式为：
5.根据权利要求4所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述步骤1-5具体为：
6...
【技术特征摘要】
1.一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述短时傅里叶变换的公式为：
4.根据权利要求3所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述边际谱的公式为：
5.根据权利要求4所述的一种基于物理信息嵌入的轴承故障人工智能诊断方法，其特征在于，所述步骤1-5具体为：
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员：刘涛，景群皓，李永波，魏志旭，
申请(专利权)人：西北工业大学，
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。