公开(公告)号：CN116933059A

公开(公告)日：2023-10-24

申请号：CN202310971287.1

申请日：2023-08-03

申请人： 沈阳航空航天大学

发明人： 于明月 ,  张怡 ,  方铭贺 ,  葛向东 ,  乔保栋

IPC分类号： G06F18/213 ,  G06F17/18 ,  G06F18/2433 ,  G06F18/10 ,  G01M13/045

摘要： 本发明设计一种融合方差与1D‑LBP的故障识别方法，属于故障诊断技术领域；首先获取旋转机械原始振动信号，构建移动窗，计算依据原始信号所截取的移动窗内信号与窗内信号局部方差的差值，然后将差值二值化的结果转换为十进制，生成纹理信号；然后移动窗函数获取振动信号全部数据的局部纹理信号；最后基于谱分析方法，分析获取的局部纹理信号，提取其特征频率，并依据旋转机械故障特征频率计算公式实现对旋转机械故障特征信息的提取及故障类型的识别；本发明不仅使振动信号中的噪声分量得到了有效抑制，凸显了故障特征信息，同时将谱分析方法与1D‑LBP相结合，便于旋转机械故障的诊断与识别，具有极佳的工程应用价值。

公开(公告)号：CN114705431A

公开(公告)日：2022-07-05

申请号：CN202210433044.8

申请日：2022-04-24

申请人： 沈阳航空航天大学

发明人： 栾孝驰 ,  徐石 ,  沙云东 ,  郭小鹏 ,  葛向东 ,  何俊杰 ,  赵新华 ,  赵奉同

IPC分类号： G01M13/045

摘要： 本发明公开一种基于多参数筛选准则与GWO‑PNN的滚动轴承故障诊断方法，首先将振动信号通过分解算法并通过相关系数‑能量比‑峭度准则筛选信号分量进行重构，可以有效去除无关分量，避免了通过单一指标选择的信号分量的片面性，达到抑制背景噪声的目的，对重构信号进行重叠样本分割，并计算各样本的多尺度排列熵作为特征向量并通过核主成分分析(KPCA)降维，将降维后的特征矩阵导入概率神经网络PNN，利用引入灰狼算法GWO优化的PNN对故障模式进行故障分类；实践表明，经过该方法去噪得到的信号有效的抑制了噪声的干扰，并具有较高的诊断准确率。