《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于多尺度特征提取的风机音频信号故障诊断方法研究

作者:孙启涛,罗智孙,梁好,等. 日期:2023-03-23/span> 浏览:1474 查看PDF文档

基于多尺度特征提取的风机音频信号
故障诊断方法研究*
孙启涛,罗智孙,梁好,鲁纳纳

(明阳智慧能源集团股份公司,广东 中山 528436)


摘要:针对风机传动链部件音频信号成分复杂,依靠单一特征提取方法难以实现故障识别的问题,提出了一种基于多尺度特征提取的风机主轴音频信号故障诊断方法。首先,采集风机传动链部件的音频文件,将其转换为数字信号后对数据进行了预处理;然后,对音频信号进行了多尺度特征提取,从时域、频域和倒谱域3个维度提取了5大特征,组成了多维复合特征矩阵,并对提取的特征进行了分析及降维;最后,利用支持向量机(SVM)分类预估器对多维复合特征矩阵进行了有监督学习,并使用粒子群算法(PSO)对SVM参数选择过程进行了优化,并通过多组对比实验,对PSOSVM分类预估器在音频信号模式分类上的性能进行了验证。研究结果表明:所提取的多尺度特征能很好地表征音频信号的信息,具备一定的鲁棒性;使用经PSO优化后的SVM分类模型,对风机传动链部件音频信号模式识别的准确率可达98%以上,并具备良好的泛化能力。

关键词:传动链部件;多维复合特征矩阵;特征提取方法;支持向量机;粒子群算法;故障分类

中图分类号:TH17;TH132;TM315文献标识码:A文章编号:1001-4551(2023)01-0039-08


本文引用格式:

孙启涛,罗智孙,梁好,等.基于多尺度特征提取的风机音频信号故障诊断方法研究[J].机电工程,2023,40(1):39-46.

SUN Qi-tao, LUO Zhi-sun, LIANG Hao, et al. Fault diagnosis method of fan audio signal based on multi-scale feature extraction[J].Journal of Mechanical & Electrical Engineering, 2023,40(1):39-46.




友情链接

浙江机械信息网