公开(公告)号：CN105718961A

公开(公告)日：2016-06-29

申请号：CN201610085890.X

申请日：2016-02-15

Applicant: 哈尔滨理工大学

Inventor： 王亚萍 ,  王纬宇 ,  葛江华 ,  许迪 ,  匡宇麒

IPC: G06K9/62 ,  G06K9/00

CPC classification number: G06K9/6256 ,  G06K9/00503 ,  G06K9/00523 ,  G06K9/00536 ,  G06K9/6269

Abstract: 本发明公开了一种基于CEEMD与图像纹理特征的旋转机械智能故障诊断方法，采集旋转机械不同故障状态或者程度下的故障振动信号；基于CEEMD结合小波阀值的降噪方法对采集到的故障振动信号进行降噪处理，然后将这些数据分为训练数据组与测试数据组；对训练数据组与测试数据组中的数据分别进行时频分析提取SPWVD时频分布图，并且从中择优组成故障特征集；采用训练数据组得到的故障特征集对SVM分类器参数进行寻优，使用最佳的参数值获得最优的SVM分类器，建立故障诊断模型；采用测试数据组作为故障诊断模型的输入值，进行故障诊断测试得到分类结果和精度。本发明在保持信号完整性的同时很好地完成了降噪处理，提取优越的故障特征，完成故障诊断过程。