【技术实现步骤摘要】
本专利技术涉及轴承故障诊断，具体涉及一种基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法。
技术介绍
1、矿用通风机作为煤矿井下通风系统的核心设备，其运行可靠性直接关系到矿井安全生产与作业人员生命安全。轴承作为通风机的关键传动部件，长期承受高频振动、高温高压及复杂工况下的机械应力，极易因疲劳磨损、润滑失效或材料缺陷引发故障。据统计，轴承故障占通风机总故障率的35%以上，且早期故障特征信号微弱，易被背景噪声掩盖，导致传统检测手段难以实现高精度诊断，严重制约了煤矿智能化运维水平。
2、当前，振动信号分析是轴承故障诊断的主要技术手段，但传统方法存在显著局限性：一方面，矿用环境下的振动信号强噪声与复杂多频段耦合的故障特征使得常规时频分析方法难以有效分离关键信息；另一方面，轴承组件的空间拓扑结构与振动信号的时间序列特性存在强关联，但传统方法仅关注单一维度信息，无法建立完整的故障演化模型。例如: 1）小波变换依赖人工选择基函数与分解层数，对非平稳信号的自适应性不足，且高频噪声易导致模极大值误判；2）经验模态分...
【技术保护点】
1.基于CEEMDAN与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于包括以下步骤：
2.根据权利要求1所示基于CEEMDAN与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：所述步骤2中，首先进行异常值的处理，采用局部均值法处理异常值，计算公式如式（1）所示：
3.根据权利要求2所示基于CEEMDAN与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：数据归一化方法采用Min-Max归一化，计算如式（2）所示：
4.根据权利要求1所示基于CEEMDAN与多尺度时空信息...
【技术特征摘要】
1.基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于包括以下步骤：
2.根据权利要求1所示基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：所述步骤2中，首先进行异常值的处理，采用局部均值法处理异常值，计算公式如式（1）所示：
3.根据权利要求2所示基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：数据归一化方法采用min-max归一化，计算如式（2）所示：
4.根据权利要求1所示基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：所述步骤3中，ceemdan能够有效消除imf分量中白噪声残留，其分解的步骤如下：
5.根据权利要求4所示基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：所述步骤4中，采用不同尺度的卷积核并行提取步骤3中所得各imf分量的时序特征，多尺度卷积模块的卷积运算如下式所示：
6.根据权利要求5所示基于ceemdan与多尺度时空信息融合图神经网络的矿用通风机轴承故障诊断方法，其特征在于：引入dropout来避免过拟合，通过配置适当的比例排除卷积神经网络中隐藏的神经元，以提高模型的鲁棒性和泛化性能，最终得到特...
【专利技术属性】
技术研发人员：曾祥军，房祥庆，魏福，李求新，刘嘉豪，吴金欢，朱煜峰，
申请(专利权)人：三峡大学，
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。