基于小波包分解和BP神经网络的气阀故障诊断方法

发明专利有效专利

申请号：
CN202110628289.1
IPC分类号：G01M13/003;G01M7/02;G06N3/08
申请日期：
2021-06-07
申请人：
沈阳理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于小波包分解和BP神经网络的气阀故障诊断方法
申请号	CN202110628289.1	申请日期	2021-06-07
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-07	公开/公告号	CN113358346A
优先权	暂无	优先权号	暂无
主分类号	G01M13/003	IPC分类号	G;0;1;M;1;3;/;0;0;3;;;G;0;1;M;7;/;0;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	沈阳理工大学	申请人地址	辽宁省沈阳市浑南区南屏中路6号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	沈阳理工大学	当前权利人	沈阳理工大学
发明人	张秀珩;马立强;姜泽磊;巴鹏
代理机构	沈阳亚泰专利商标代理有限公司	代理人	郭元艺

摘要

本发明属于气阀故障诊断方法领域，尤其涉及一种基于小波包分解和BP神经网络的判断故障类别的故障诊断方法，包括以下步骤：搭建往复式压缩机气阀故障模拟实验平台，使采集到的气阀振动信号与实际运行状态一致，同时对振动信号进行实时采集与保存；用小波包分解对气阀振动信号进行处理，通过小波包分解与单子带重构后得到原信号的分量，监测每个分量能量的变化；在Tensorflow中搭建BP神经网络，将特征向量与故障类别之间的映射关系存在网络的权值矩阵中，将待诊断样本输入网络，得到映射输出。本发明工作效率高、安全可靠、适应范围广泛，诊断效果理想，能够适用于多种往复式压缩机气阀的故障诊断。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供