公开(公告)号：CN118228038A

公开(公告)日：2024-06-21

申请号：CN202410355879.5

申请日：2024-03-27

Applicant: 江苏科技大学

Inventor： 李炳强 ,  宋仕洪 ,  王俊皓 ,  周宏根 ,  刘金锋 ,  康超 ,  陈宇 ,  谢阳

IPC: G06F18/2131 ,  G06F18/21

Abstract: 本发明公开了一种基于加权稀疏表征自步学习的机械结构弱故障诊断方法，包括：根据采集到的故障信号，利用构建好的故障周期估计模型，预测故障的特征频率；通过CKHES模型计算子带信号的权值，获得信号加权矩阵；利用自步学习正则函数，由易到难逐步提出信号中的故障特征；建立加权稀疏表征自步学习计算框架，实现机械结构弱故障特征提取。本发明不但可以实现机械结构弱故障特征提取，解决了由于背景噪声、谐波、随机冲击等的干扰，在旋转机械故障发生的早期阶段，难以检测到故障特征的技术问题，而且为早期故障特征提取提供了更高的精度，提高了弱故障诊断的准确性。