[发明专利]一种基于叶尖间隙和轴承振动的压缩机故障诊断方法

权利要求书

1.一种基于叶尖间隙和轴承振动的压缩机故障诊断方法，其特征在于，包括如下步骤：

S1、离线训练；

通过调取压缩机中叶尖间隙和轴承振动的历史数据，以及对应的故障类别；训练并获得使适应度值最大的新去噪自编码器；再建立映射模型；

S2、在线诊断；

获取最新的压缩机中叶尖间隙和轴承振动的新数据，新数据通过新去噪自编码器处理，再通过映射模型输出故障类别；

所述步骤S1离线训练的具体方法如下：

S11、通过调取压缩机中叶尖间隙和轴承振动的历史数据，以及对应的故障类别；

S12、提取数据的时域、频域和时频域的特征，并通过去噪自编码器对特征进行降维和去噪，得到特征；

S13、以特征和特征中特征之差的平方和的倒数为适应度值，通过黑寡妇算法优化去噪自编码器中的参数，从而获得使适应度值最大的去噪自编码器；

所述适应度值，其中，为特征或的个数；

S14、在去噪自编码器的基础上，获得中间的抽象特征为特征；

S15、通过神经网络建立特征和对应的故障类别之间的映射模型，使用遗传算法优化神经网络的参数。

2.根据权利要求1所述一种基于叶尖间隙和轴承振动的压缩机故障诊断方法，其特征在于，所述步骤S2在线诊断的具体方法如下：

S21、获取最新的压缩机中叶尖间隙和轴承振动的数据；

S22、提取数据的时域、频域和时频域的特征，并通过步骤S13中所述的去噪自编码器得到特征；

S23、将特征作为神经网络的输入，则神经网络的输出即为故障类别。