權利要求書： 1.一種風機故障分析方法，其特征在于，包括：連續采集待測風機的風機軸承的振動數據和溫度數據，并獲得所述振動數據的速度有效值和沖擊量平均值；將所述速度有效值、所述沖擊量平均值以及所述溫度數據分別進行線性擬合，并將獲得的線性擬合參數和預先確定的標準擬合參數對比，獲得第一特征信息；將所述速度有效值和所述沖擊量平均值進行形態分布參數運算，并將獲得的形態分布參數和預先確定的標準形態分布參數進行對比，獲得第二特征信息；將所述振動數據和所述溫度數據進行傅里葉變換，獲得對應的頻譜值；并根據預先創建的神經網絡模型識別所述頻譜值，獲得第三特征信息；根據所述第一特征信息、所述第二特征信息以及所述第三特征信息，利用預先確定的每種風機故障類型對應的三種特征信息的組合特征，確定當前所述待測風機的故障類型。2.如權利要求1所述的風機故障分析方法，其特征在于，預先確定所述標準擬合參數的過程，包括：獲取至少連續一天內帶有故障標簽的振動樣本數據和溫度樣本數據；并獲得所述振動樣本數據對應的速度有效值樣本和沖擊量平均值樣本；根據各個所述振動樣本數據和所述溫度樣本數據的采集時間點，將所述速度有效值樣本、所述沖擊量平均值樣本和所述溫度樣本數據均分別按照不同分割時長分割獲得多組對應的第一樣本數據；將同一分割時長的時間段采集的每組所述第一樣本數據進行線性擬合，獲得對應的每組樣本線性擬合方程的斜率樣本、最大值和最小值之間差值樣本；分別將每組所述斜率樣本和所述差值樣本分別和設定的多個不同大小的斜率閾值以及多個不同大小的差值閾值進行對比，分別獲得多組第一對比結果，并判斷所述第一對比結果和所述故障標簽是否一致；其中，所述第一對比結果和所述故障標簽一致包括，所述故障標簽為故障狀態，所述第一對比結果為所述斜率樣本大于所述斜率閾值且所述差值樣本大于所述差值閾值；或者，所述故障標簽為非故障狀態，所述第一對比結果為所述斜率樣本不大于所述斜率閾值或所述差值樣本不大于所述差值閾值；利用尋優算法獲得第一正確率最高時對應的分割時長、斜率閾值和差值閾值作為所述標準擬合參數中的標準分割時長、標準斜率閾值和標準差值閾值；其中，所述第一正確率為在同一分割時長對應的同一組所述第一樣本數據中對同一所述斜率閾值同一所述差值閾值的所述第一對比結果和所述故障標簽一致的第一樣本數據所占比例。
聲明：
“風機故障分析方法、裝置、設備及可讀存儲介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
809
編輯：管理員
來源：湖南師范大學
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月16日 ~ 18日 
