公开(公告)号：CN111380687B

公开(公告)日：2022-04-22

申请号：CN202010425559.4

申请日：2020-05-19

Applicant: 河海大学常州校区

Inventor： 刘立 ,  张子贤 ,  孙宁 ,  韩光洁

IPC: G01M13/045

Abstract: 本发明公开了一种基于多局部模型决策融合的工业电机轴承故障诊断方法，包括：数据采集、数据处理、建立多局部诊断模型、决策级融合四个步骤，其中，数据采集，使用两种不同类型的传感器采集电机轴承相关的数据；数据处理，对收集到的两种数据进行预处理和特征提取；建立多局部诊断模型，对处理过的两种数据分别利用基于Bi‑LSTM神经网络建立局部诊断模型；决策级融合，基于DSmT理论对两个局部诊断模型输出的局部诊断结果进行决策级融合并得到最终诊断结果。本发明设计的工业电机轴承故障诊断方法可以更好地帮助工厂及时、准确地发现由轴承损坏引起的电机故障，一定程度上避免由于停机而对电机运行以及工厂生产效率的影响。

公开(公告)号：CN111380687A

公开(公告)日：2020-07-07

申请号：CN202010425559.4

申请日：2020-05-19

Applicant: 河海大学常州校区

Inventor： 刘立 ,  张子贤 ,  孙宁 ,  韩光洁

IPC: G01M13/045

Abstract: 本发明公开了一种基于多局部模型决策融合的工业电机轴承故障诊断方法，包括：数据采集、数据处理、建立多局部诊断模型、决策级融合四个步骤，其中，数据采集，使用两种不同类型的传感器采集电机轴承相关的数据；数据处理，对收集到的两种数据进行预处理和特征提取；建立多局部诊断模型，对处理过的两种数据分别利用基于Bi-LSTM神经网络建立局部诊断模型；决策级融合，基于DSmT理论对两个局部诊断模型输出的局部诊断结果进行决策级融合并得到最终诊断结果。本发明设计的工业电机轴承故障诊断方法可以更好地帮助工厂及时、准确地发现由轴承损坏引起的电机故障，一定程度上避免由于停机而对电机运行以及工厂生产效率的影响。