[发明专利]一种基于多小波核-支持向量回归机的机械碰磨故障诊断方法在审
| 申请号： | 201910244586.9 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN109839265A | 公开（公告）日： | 2019-06-04 |
| 发明（设计）人： | 陈敬龙;赵江平;钟兴润 | 申请（专利权）人： | 西安建筑科技大学 |
| 主分类号： | G01M13/00 | 分类号： | G01M13/00 |
| 代理公司： | 西安智大知识产权代理事务所 61215 | 代理人： | 段俊涛 |
| 地址： | 710055*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于多小波核‑支持向量回归机(Support Vector Regression,SVR)的机械碰磨故障特征提取方法，该方法包括如下步骤：1)测取机械关键部件的振动信号，对信号进行冗余提升小波(RLSW，Redundant Lifting Scheme Wavelet，RLSW)分解；2)对分解得到的各层细节信号及最后一层逼近信号，进行自适应奇异值分解(Adaptive Singular Value Decomposition，ASVD)降噪；3)通过冗余提升小波对信号进行重构，获得降噪信号；4)以区间三次Hermite样条多小波的两个尺度函数为插值基函数，构造了一种新型多小波核函数；5)将降噪后的振动信号分为训练集和预测集，用训练集构建预测模型，对预测集进行预测，通过预测残差提取隐藏在原始振动信号中的弱周期性冲击成分。本发明能提取机械碰磨故障特征。 | ||
| 搜索关键词： | 小波 支持向量回归机 提升小波 振动信号 冗余 训练集 预测集 降噪 故障特征提取 机械关键部件 原始振动信号 分解 奇异值分解 逼近信号 尺度函数 故障特征 故障诊断 降噪信号 细节信号 预测残差 预测模型 核函数 基函数 自适应 构建 样条 重构 预测 | ||
【主权项】：
1.一种基于多小波核‑支持向量回归机的机械碰磨故障诊断方法，其特征在于，包括以下步骤：1)获得机械关键部件的振动信号；2)对振动信号进行3层冗余提升小波分解，对各层细节信号及最后一层逼近信号进行自适应奇异值分解降噪处理，通过冗余提升小波重构算法，获得最终降噪后的机械振动信号；3)以区间三次Hermite样条多小波的两个尺度函数为插值基函数，构造一种新型多小波核SVR；4)将降噪后的机械振动信号分为训练集和预测集两部分，用训练集通过遗传算法获得多小波核SVR参数的最优值，然后构建预测模型，对预测集进行预测，通过预测残差对机械碰磨故障进行诊断。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安建筑科技大学，未经西安建筑科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910244586.9/，转载请声明来源钻瓜专利网。
