[发明专利]一种橡胶垫错位故障智能识别方法

权利要求书

1.一种橡胶垫错位故障智能识别方法，其特征在于，该方法包括以下步骤：

在机械设备的当前工作过程中，根据橡胶垫的各位置的受力数据获取橡胶垫的受力均匀程度，采集机械设备的振动幅度数据以计算该机械设备的振动强度，将所述受力均匀程度与所述振动强度之间的乘积作为橡胶垫的偏移因子；获取机械设备的振动频率，计算所述振动频率和所述偏移因子之间的乘积以作为橡胶垫的偏移速率；

采集机械设备在当前工作过程中的物料重量；获取物料重量对机械设备的各承重位置的压力值，结合所述物料重量和所述压力值获取物料重量分布差异程度；结合所述偏移速率和所述物料重量分布差异程度得到橡胶垫的错位程度，其中所述错位程度分别与所述偏移速率、所述物料重量分布差异程度呈正相关关系；

获取时序上机械设备在多次工作过程中橡胶垫的所述错位程度，构成一个错位程度序列，将所述错位程度序列通过错位预测神经网络得到下次工作过程中的错位程度预测值。

2.如权利要求1所述的一种橡胶垫错位故障智能识别方法，其特征在于，所述根据橡胶垫的各位置的受力数据获取橡胶垫的受力均匀程度的方法，包括：

基于设定的采样频率获取橡胶垫的N个位置的压力，得到当前工作过程中每个位置对应的压力序列，N为大于0的正整数；分别计算每个压力序列的压力总和，以得到平均压力总和，由每个压力总和与平均压力总和计算压力总和的方差，将压力总和的方差作为橡胶垫的受力均匀程度。

3.如权利要求1所述的一种橡胶垫错位故障智能识别方法，其特征在于，所述振动强度的获取方法，包括：

基于设定的采样频率获取机械设备的振动幅度，得到当前工作过程中所构成的振动幅度序列；

根据振动幅度序列计算平均振动幅度，由平均振动幅度和振动幅度序列中的每个振动幅度计算振动幅度方差；获取振动幅度序列中最大振动幅度和最小振动幅度以计算振动幅度极差；

结合振动幅度极差和振动幅度方差得到机械设备的振动强度，其中，振动强度与振动幅度极差呈正相关关系、振动强度与振动幅度方差呈正相关关系。

4.如权利要求1所述的一种橡胶垫错位故障智能识别方法，其特征在于，所述结合所述物料重量和所述压力值获取物料重量分布差异程度的方法，包括：

基于设定的采样频率获取每个承重位置的压力值，得到当前工作过程中每个承重位置的压力数据序列；

分别计算每个采样时刻下所有承重位置对应压力值之间的压力差值，将压力数据序列中对应每个采样时刻的压力差值进行累加得到压力差值总和，结合所述压力差值总和与所述物料重量得到所述物料重量分布差异程度，所述物料重量分布差异程度与所述物料重量呈正相关关系，所述物料重量分布差异程度与所述压力差值总和呈正相关关系。

5.如权利要求1所述的一种橡胶垫错位故障智能识别方法，其特征在于，所述错位预测神经网络采用均方差损失函数，所述均方差损失是根据每个训练样本的输入和输出数据之间的均方差损失的加权求和所计算的损失均值，每个训练样本的权重与对应工作过程中的振动强度呈正相关关系。

6.如权利要求5所述的一种橡胶垫错位故障智能识别方法，其特征在于，所述权重的获取方法，包括：

将每次工作过程中的振动强度构成振动强度序列，对振动强度序列归一化，将归一化后的振动强度作为相应训练样本的所述权重。