【技术实现步骤摘要】
本专利技术涉及机械故障，具体为一种基于膨胀残差网络的旋转机械故障诊断方法。
技术介绍
1、本专利技术涉及机械设备运行状态监测与智能故障诊断
，具体属于工业设备中的旋转机械状态识别与故障预警子领域，尤其涉及一种利用深度学习结构-膨胀残差网络（dilated residual network，drn）进行多尺度动态分析的故障诊断方法，该方法主要应用于汽轮机、离心压缩机、电动机、齿轮箱、鼓风机等典型旋转机械系统中，通过对高阶谐波能量漂移特征的深层识别，准确判定系统是否处于结构性劣化演化状态，从而实现对潜在故障趋势的早期识别与风险量化控制。
2、在旋转机械运行过程中，轻微错位、早期松动、润滑异常等隐性结构性故障常常不会引起显著的时间域冲击或频率突跳，而是以高阶谐波能量缓慢漂移的形式表现。然而，高阶谐波特征具有非显性、弱扰动、易混淆等特点，容易受到背景负载波动、工况变化、转速扰动等非故障因素的干扰，导致漂移的误判与误诊断。故尽管当前已有大量基于振动信号的故障识别方法被提出，但对于高阶谐波能量缓慢漂移的形式表现存在一定的忽视，例如...
【技术保护点】
1.一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：包括以下步骤，利用加速度传感器采集旋转机械的连续时间序列振动信号，经快速傅里叶变换后，获取高阶谐波能量序列集合，并确定异常趋势片段；
2.根据权利要求1所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：
3.根据权利要求2所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：
4.根据权利要求3所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：
5.根据权利要求4所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：>
6.根据权利...
【技术特征摘要】
1.一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：包括以下步骤，利用加速度传感器采集旋转机械的连续时间序列振动信号，经快速傅里叶变换后，获取高阶谐波能量序列集合，并确定异常趋势片段；
2.根据权利要求1所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：
3.根据权利要求2所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于：
4.根据权利要求3所述的一种基于膨胀残差网络的旋转机械故障诊断方法，其特征在于...
【专利技术属性】
技术研发人员：葛君超，杜惠娜，王利鹏，郭金贵，侯梦梦，石炳欣，
申请(专利权)人：贵州金刚智造技术有限公司，
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。