一种基于无键相整周期信号的往复机械故障诊断方法

摘要

本发明涉及了一种基于无键相整周期信号的往复机械故障诊断方法，包括以下步骤：1)建立整周期振动信号图像库；2)训练图像识别模型；3)利用无键相采集获取整周期数据；4)构建自动提取特征模型；5)以自编码隐含层特征为输入，支持向量机为分类器输出诊断结果。本发明研究创新与特点在于通过使用深度级联卷积神经网络实现无键相整周期数据获取目标，弥补了传统智能故障诊断方法中必须以键相信号作为参考的缺陷，避免了由于安装空间不足导致无法进行实时诊断的问题，同时在特征提取方面采用了自编码神经网络进行自动特征提取，无需人为地选择特征，降低了人工成本，尤其适用于多数的以中高速往复机械为动力的复杂诊断系统。