[发明专利]一种基于自学习的强噪声环境机器运行故障在线检测方法在审
| 申请号： | 201910368583.6 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110196173A | 公开（公告）日： | 2019-09-03 |
| 发明（设计）人： | 蒋毅 | 申请（专利权）人： | 成都大学;成都博世特信息技术有限公司 |
| 主分类号： | G01M99/00 | 分类号： | G01M99/00;G06F17/14;G06F17/15;G06N20/00 |
| 代理公司： | 成都慕川专利代理事务所(普通合伙) 51278 | 代理人： | 李小金 |
| 地址： | 610000*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于自学习的强噪声环境机器运行故障在线检测方法，其特征在于，所述方法包括如下步骤：S1:在机器运行过程中，采集机器运行时产生的震动信号，将采集的震动信号通过FFT算法进行频谱检测；S2：在第n次采集完成震动信号并进行FFT频谱检测后，对FFT(n)频谱检测进行加权；S3：在进行FFT(n)频谱检测加权后，通过非线性阈值进化方式对信号频谱进行优化，对机器运行产生的噪音进行抑制；S4：将进行非线性阈值进行后的FFT(n)频谱输出至故障记录端，将故障数据进行记录；S5：完成故障记录后，更新FFT数据，并反馈至机器运行时的采集端中。 | ||
| 搜索关键词： | 频谱检测 震动信号 强噪声环境 故障记录 运行故障 在线检测 运行时 自学习 加权 采集 机器运行过程 采集机器 故障数据 频谱输出 信号频谱 采集端 进化 噪音 反馈 更新 记录 优化 | ||
【主权项】：
1.一种基于自学习的强噪声环境机器运行故障在线检测方法，其特征在于，所述方法包括如下步骤：S1:在机器运行过程中，采集机器运行时产生的震动信号，将采集的震动信号通过FFT算法进行频谱检测；S2：在第n次采集完成震动信号并进行FFT频谱检测后，对FFT(n)频谱检测进行加权；S3：在进行FFT(n)频谱检测加权后，通过非线性阈值进化方式对信号频谱进行优化，对机器运行产生的噪音进行抑制；S4：将进行非线性阈值进行后的FFT(n)频谱输出至故障记录端，将故障数据进行记录；S5：完成故障记录后，更新FFT数据，并反馈至机器运行时的采集端中。
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成都大学;成都博世特信息技术有限公司，未经成都大学;成都博世特信息技术有限公司许可，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/201910368583.6/，转载请声明来源钻瓜专利网。
