当前位置: 首页 > 科技成果列表 > 科技成果详细

一种基于VMD和MFSS模型的往复压缩机寿命预测方法

技术类型:非专利

技术成熟度:小试

转让方式:技术转让

专利申请日:2017-12-20

专利所属地 :中国

专利号:CN201711385425.9

应用领域:环保、邮政、社会公共服务及其他专用设备制造

技术领域:电子信息

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

一种基于VMD与MFSS模型的往复压缩机寿命预测方法, 属于往复机械故障模式识别与诊断预测领域。

通过加速度传感器和光电传感器测试和截取振动加速度信号; 使用变分模态分解方法对振动加速度信号进行分解, 计算原信号不同采样段的饱和信息熵, 计算各采样段的时间预测尺度向量[T1, T2…Tn]; 构造特征谱参数,形成待预测的特征序列;

将预测值与故障分类数据库的标准分类值作回归拟合分析, 判定故障程度并预测残余寿命。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种基于VMD和MFSS模型的往复压缩机寿命预测方法
专利状态 - 专利号(申请号) CN201711385425.9
申请号 - 专利申请日期 2017-12-20
专利授权日期 2020-04-14 专利权届满日 -
专利所属地 中国 专利类型 非专利
发明人 刘岩;王金东;赵海洋;李颖
权利人 -
专利摘要 一种基于VMD与MFSS模型的往复压缩机寿命预测方法,属于往复机械故障模式识别与诊断预测领域。所述方法如下:选择往复压缩机敏感测点的特征振动信号,通过加速度传感器和光电传感器测试和截取振动加速度信号;使用变分模态分解方法对振动加速度信号进行分解,计算选择BLIMF主分量,计算原信号不同采样段的饱和信息熵,计算各采样段的时间预测尺度向量[T1,T2…Tn];提取各采样段的多重分形奇异谱,构造特征谱参数,形成待预测的特征序列;用改进Kn近邻分类算法建立动态预测模型,在时间预测尺度内进行预测;将预测值与故障分类数据库的标准分类值作回归拟合分析,判定故障程度并预测残余寿命。1
成果评价分析
技术应用分析
服务案例
Baidu
map