公开(公告)号：CN114662542A

公开(公告)日：2022-06-24

申请号：CN202210314883.8

申请日：2022-03-28

Applicant: 东南大学

Inventor： 贾民平 ,  庄集超 ,  黄鹏 ,  胡建中 ,  许飞云

IPC: G06K9/00 ,  G06N3/08

Abstract: 本发明涉及一种多工况分布对齐的旋转机械健康诊断方法，包括：采集N(N≥2)种不同工况下的振动信号，将振动信号随机划分为N‑1个源数据集和一个目标数据集，每个数据集对应一种工况；获取振动信号对应的时频图；将各个源数据集分别和目标数据集组合构成N‑1个源与目标数据集；构建多源适应模型，包括一个用于提取各个源与目标数据集的公共机械故障特征的公共特征提取器、N‑1个特定域特征提取器，从公共机械故障特征中提取特定特征并进行分布对齐，以及N‑1个特定域分类器，对特定机械故障特征进行故障预测，并对齐决策边界；训练好的模型可对测试数据进行故障预测，能够较好的解决传统方法无法进行跨工况诊断的问题，诊断精度高。

公开(公告)号：CN114547925A

公开(公告)日：2022-05-27

申请号：CN202111536987.5

申请日：2021-12-15

Applicant: 东南大学

Inventor： 黄鹏 ,  缪秋华 ,  郭佳明 ,  贾民平 ,  许飞云 ,  胡建中

IPC: G06F30/23 ,  G06F30/25

Abstract: 本发明涉及一种回转滚筒堆积颗粒的轴向动态休止角标定方法，包括：构建回转滚筒离散元仿真模型、基于Hertz‑Mindlin接触模型对颗粒运动进行仿真计算、将回转滚筒沿轴向等比例划分成轴段切片，统计各轴段切片中颗粒坐标信息，在提取堆积颗粒的边界轮廓曲线的基础上，拟合和计算出每个轴段切片径向截面中堆积颗粒的动态休止角，依次沿轴向分段获得堆积颗粒沿轴向的动态休止角，获得反映回转滚筒的动态休止角沿轴向的变化情况。本发明基于离散元模型采集滚筒内部颗粒运动信息，弥补了传统图像处理方法只能标定滚筒两侧端盖位置动态休止角的局限性，使计算更加准确、高效，无需进行实验，降低了标定动态休止角的成本。

公开(公告)号：CN113310684B

公开(公告)日：2022-05-24

申请号：CN202110427692.8

申请日：2021-04-20

Applicant: 东南大学

Inventor： 毛一帆 ,  许飞云 ,  胡建中 ,  贾民平 ,  黄鹏

IPC: G01M13/021 ,  G01M13/028 ,  G06K9/00

Abstract: 本发明涉及一种基于尺度空间和改进稀疏表示的齿轮箱故障特征提取方法，包括：对原始信号使用尺度空间根据频带划分为若干以齿轮的各阶啮合频率为中心的频段分量信号；为频段分量信号构造无噪声DCT字典；构建用于对频段分量信号进行稀疏分解的观测字典，包括基于奇异值分解算法在正交匹配追踪算法迭代过程中向无噪声DCT字典的原子中添加噪声信号获得含噪声DCT字典；以最小方差和内积的融合指标为准则选取观测字典中的最优原子；基于正交匹配追踪算法利用观测字典对频段分量信号进行稀疏重构；解调谱分析然后提取齿轮箱故障特征频率。本发明用于提取齿轮箱故障特征，较其他方法具有更高的时频分辨率和重构精度。

公开(公告)号：CN108500038B

公开(公告)日：2022-02-11

申请号：CN201810319455.8

申请日：2018-04-11

Applicant: 东南大学 ,  南通棉花机械有限公司

Inventor： 胡建中 ,  闻月 ,  季宏斌 ,  贾民平 ,  许飞云 ,  季勇 ,  吴春江 ,  彭英

IPC: B09B3/00

Abstract: 本发明提供了一种多工位报废汽车拆解指导自动推送系统及方法，采用统一托盘运输报废汽车，通过人工操作建立车型信息与RFID托盘编码间的对应关系，实现待拆解车型的自动识别；同时通过后台推送中心自动推送待拆解车型在不同工位上的拆解指导文件，包括3D拆解指导和拆解步骤文档，实现拆解过程的动态可视化，从多维角度对工人进行培训，便于他们迅速掌握不同车型报废汽车在各个工位上的拆解操作；此外，拆解工艺与时序配置模块可根据具体工艺配置相应的拆卸步骤文本和时序，使得拆解线针对具体车型和拆解工艺的拆解更加灵活、柔性。相比传统的拆解图像或单一的文字指导形式，大大缩短了培训周期，提高了拆解线拆解指导的智能化水平。

公开(公告)号：CN113536226A

公开(公告)日：2021-10-22

申请号：CN202110798951.8

申请日：2021-07-14

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平

IPC: G06F17/16 ,  G06N3/04 ,  G01M13/045

Abstract: 本发明涉及一种增强旋转机械故障信号特征的盲解卷积算法，包括以下步骤：S1：构建多个级联的FIR滤波器，根据原始振动信号的特征确定盲解卷积算法的最大化准则，将最大化准则作为目标函数；S2：利用级联的FIR滤波器依次对原始振动信号进行卷积运算，得滤波后的信号，计算滤波后的信号的目标函数值；S3：采用后向自动微分算法计算当前迭代次数下目标函数值对滤波器的梯度；S4：更新所有滤波器的值；S5：重复S2‑S4，达到最大迭代次数后，输出最终的滤波后的信号。解决了由于不同盲解卷积算法的迭代算法不能通用以及盲解卷积算法性能较差，导致旋转机械故障诊断精度不高的技术问题。

公开(公告)号：CN113533538A

公开(公告)日：2021-10-22

申请号：CN202110645804.7

申请日：2021-06-10

Applicant: 东南大学

Inventor： 胡建中 ,  许金堡 ,  许飞云 ,  贾民平

IPC: G01N29/44 ,  G06K9/00

Abstract: 本发明公开了一种用于金属内部缺陷超声检测信号的降噪方法，涉及超声无损检测技术领域，解决了现有超声检测信号的降噪方法不依赖于其自身形成机理的技术问题，其技术方案要点是通过将分层阈值处理的思想引入到CEEMDAN算法中，提出了一种基于CEEMDAN算法和空间相关性的超声检测信号的阈值降噪方法，克服了传统降噪方法脱离超声检测信号形成机理的问题，具有更高的适应性、有效性和稳定性。同时将阈值处理后的超声检测信号的空间相关系数作为各模态的重构系数，充分利用了缺陷回波空间相关性高、噪声成分空间相关性低的机理，保留了超声检测信号中的回波信号，抑制了噪声成分，获得了理想的降噪效果。

公开(公告)号：CN113409202A

公开(公告)日：2021-09-17

申请号：CN202110645603.7

申请日：2021-06-10

Applicant: 东南大学

Inventor： 胡建中 ,  许金堡 ,  许飞云 ,  贾民平 ,  陈启山

IPC: G06T5/00 ,  G06N3/00

Abstract: 本发明公开了一种基于点扩散函数参数寻优的超声图像复原方法，涉及超声无损检测技术领域，解决了在没有预先给定超声成像系统点扩散函数的情况下，不能对超声图像进行复原的技术问题，其技术方案要点是通过交替最小化框架同时求解超声图像和点扩散函数，采用RL‑TV算法完成交替最小化中中间图像的求解部分；然后采用粒子群优化算法完成交替最小化中间的点扩散函数的多参数优化求解部分，最终获得复原超声图像及对应的点扩散函数。该方法不需要预先给定超声成像系统的点扩散函数，仅通过模糊的超声图像就能直接得出清晰图像与超声成像系统的点扩散函数。

公开(公告)号：CN111178318A

公开(公告)日：2020-05-19

申请号：CN202010010316.4

申请日：2020-01-06

Applicant: 东南大学

Inventor： 邹磊 ,  许飞云 ,  李杨 ,  胡建中 ,  贾民平 ,  彭英 ,  黄鹏

IPC: G06K9/00 ,  G01M13/045

Abstract: 一种基于渐进式VMD的滚动轴承早期复合故障特征提取方法。步骤1，在滚动轴承附近安装加速度传感器采集轴承运行时的振动信号；步骤2，利用渐进式VMD对采集到的振动信号进行分解，得到一系列分解后的模态；步骤3，利用基于峭度和能量波动因子的双重筛选准则对分解后得到的模态进行筛选以确定故障模态，并实现故障模态的重构；步骤4，初始化平衡参数α的范围及搜索步长，对于不同的α值，重复步骤2和步骤3，并计算重构模态的EFF值，其中最大的EFF值对应最优的α值，而后确定最优α值下的重构模态；步骤5，利用TEO对重构模态进行解调得到TEO谱，并结合轴承相关故障特征频率得出诊断结果。本申请在EEMD递归思想的基础上，提出一种渐进分解的VMD方法。

公开(公告)号：CN109141881B

公开(公告)日：2020-03-31

申请号：CN201810736521.1

申请日：2018-07-06

Applicant: 东南大学

Inventor： 贾民平 ,  佘道明 ,  许飞云 ,  胡建中 ,  黄鹏 ,  鄢小安

IPC: G01M13/04 ,  G01M13/045 ,  G01M13/02 ,  G01M13/021 ,  G01M13/028 ,  G01K7/02 ,  G06N3/02

Abstract: 本发明公开了一种深度自编码网络的旋转机械健康评估方法，包括步骤1，振动信号采集；步骤2，原始特征提取；步骤3，采用深度自编码网络DAE进行特征降维；步骤4，特征选择；步骤5，采用无监督SOM算法进行健康指标构建；步骤6，采用基于遗传算法的融合评价准则进行健康指标评价。本发明结合深度学习强大特征提取能力的优势，将深度自编码和最小量化误差方法相结合。另外，针对基于一个度量的评价准则常常具有偏差的问题，提供了基于遗传算法的融合评价准则。本发明能准确评估旋转机械健康状态，可广泛应用于化工、冶金、电力、航空等领域旋转机械健康评估，能准确描述这些零部件性能退化的动态过程，还能进行剩余寿命预测。

公开(公告)号：CN110849968A

公开(公告)日：2020-02-28

申请号：CN201911069429.5

申请日：2019-11-05

Applicant: 东南大学

Inventor： 李杨 ,  许飞云 ,  胡建中 ,  贾民平 ,  黄鹏 ,  彭英

IPC: G01N29/04 ,  G01N29/14 ,  G06F17/14

Abstract: 一种基于自适应优化VMD的起重机主梁损伤声发射无损检测方法，步骤如下：(1)在起重机主梁安装相应的传感器建立结构损伤声发射监测系统，获得损伤过程的声发射信号。(2)对采集到的声发射信号进行自适应优化VMD处理，实现原始信号的自适应滤波和降噪处理。(3)依据声发射重构波形的频域特性，确定损伤过程中声发射事件的重心频率分布。(4)通过分析声发射信号的重心频率分布范围，建立损伤重心频率评价指标，判断起重机主梁的不同损伤阶段。本发明简单易行，该方法可对起重机主梁的内部损伤进行实时动态的损伤监测与识别。