-
公开(公告)号：CN113340996A
公开(公告)日：2021-09-03
申请号：CN202110512057.X
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于声发射信号衰减能量的激光冲击强化在线检测方法，本发明结合激光冲击强化过程与缺陷检测过程，实现激光冲击强化过程中的缺陷在线检测目的。首先，本发明所采集的声发射信号来自于被检测材料本身，能够更好表现材料内部结构；其次，实时采集的激光冲击强化声发射信号是强脉冲信号，具有强衰减特性，因此，声发射信号衰减段的信息相对于其余分段更为丰富，故定义衰减能量为信号衰减段的振荡能量，将衰减振荡能量特征作为依据，能够更加清楚的检测到缺陷信息，具有较高区分度。本发明所提出的方法计算简单，特征意义明确，具有很好的实时检测性和工程适用性，为实现激光冲击强化过程中的缺陷在线检测提供了有效的实现途径。
-
公开(公告)号：CN118194118A
公开(公告)日：2024-06-14
申请号：CN202410300727.5
申请日：2024-03-15
Applicant: 西安交通大学
IPC: G06F18/241 , G06F18/214 , G06N3/092
Abstract: 本发明公开了一种机械设备故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的机械设备故障诊断模型中，输出故障诊断结果；其中，训练好的机械设备故障诊断模型的训练方法为：分别将机械设备在跨工况下已知故障信息的振动信号和待诊断工况下未知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集和目标域数据集作为强化学习算法的输入，自适应搭建得到多个不同的机械设备故障诊断模型；选取故障诊断准确率最佳的作为训练好的机械设备故障诊断模型。本发明能够在不依赖专家经验和先验知识的情况下获得机械设备故障诊断模型，模型参数量小，同时可以实现变工况下的故障诊断。
-
公开(公告)号：CN117034669A
公开(公告)日：2023-11-10
申请号：CN202310627678.1
申请日：2023-05-30
Applicant: 西安交通大学
IPC: G06F30/23 , G06F18/10 , G06F18/213 , G06F18/2135 , G06F30/27 , G06N3/0464 , G06F119/14
Abstract: 本发明公开了一种旋转机械滚动轴承剩余寿命预测方法及系统，通过构建旋转机械传动系统几何模型完整刻画旋转机械传动系统的全貌；并在此基础上构建等效的旋转机械传动系统动力学方程和滚动轴承有限元模型；然后通过模型迭代更新生成高保真旋转机械传动系统数字孪生模型；利用数字孪生模型获得滚动轴承理论剩余寿命；采用赋权法和蒙特卡洛方法融合滚动轴承观测剩余寿命和理论剩余寿命。本发明有效克服目前滚动轴承剩余寿命预测过程中数据不平衡、模型缺乏可解释性等问题，同时混合方法提高了滚动轴承剩余寿命预测精度。
-
公开(公告)号：CN113340996B
公开(公告)日：2023-06-20
申请号：CN202110512057.X
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于声发射信号衰减能量的激光冲击强化在线检测方法，本发明结合激光冲击强化过程与缺陷检测过程，实现激光冲击强化过程中的缺陷在线检测目的。首先，本发明所采集的声发射信号来自于被检测材料本身，能够更好表现材料内部结构；其次，实时采集的激光冲击强化声发射信号是强脉冲信号，具有强衰减特性，因此，声发射信号衰减段的信息相对于其余分段更为丰富，故定义衰减能量为信号衰减段的振荡能量，将衰减振荡能量特征作为依据，能够更加清楚的检测到缺陷信息，具有较高区分度。本发明所提出的方法计算简单，特征意义明确，具有很好的实时检测性和工程适用性，为实现激光冲击强化过程中的缺陷在线检测提供了有效的实现途径。
-
公开(公告)号：CN116147917A
公开(公告)日：2023-05-23
申请号：CN202310076964.3
申请日：2023-01-17
Applicant: 西安交通大学
IPC: G01M13/045 , G06F18/214 , G06F18/2135 , G06F18/2337 , G06F18/25 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种预测轴承剩余使用寿命标签的构建方法、装置和设备，根据时间顺序获取待预测轴承在不同时刻的振动信号；提取每个时刻振动信号的频域特征，采用自适应噪声完备集合经验模态分解方法将每个时刻振动信号分解为多个本征模态函数，并提取每个本征模态函数的能量；采用主成分分析方法将每个时刻振动信号的频域特征和能量进行融合，得到每个时刻的退化指标；采用基于核的改进的模糊C均值聚类算法对所有时刻的退化指标进行聚类，得到待预测轴承不同故障程度之间的转折点；根据转折点和所有时刻的退化指标，构建得到待预测轴承剩余使用寿命标签。本发明能够自适应地构建反映不同轴承寿命阶段退化率变化的新标签。
-
Patent Agency Ranking
公开(公告)号：CN113340493B
公开(公告)日：2023-04-28
申请号：CN202110512066.9
申请日：2021-05-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于模态声发射谱比值的激光冲击强化质量在线监测方法，该方法结合激光冲击过程中声发射信号的产生机理，借助变分模态分解信号处理方法，选择分解后与原声发射信号相关性最高的模态进行分析，一方面降低了噪声干扰，提高了信息利用率，其次，选择不同冲击次数声发射信号与第1次冲击声发射信号的主要模态幅频谱比值峰值作为特征，更加能揭示不同冲击次数下工件材料对声发射信号的动态影响，提高了声发射信号的物理意义、特征的表征能力及其鲁棒性，有助于提高实际工业生产应用中的准确度及稳定性。本发明计算方法简单快捷，谱比峰值特征的状态响应快，实时性好，鲁棒性高，工程实用性强。
-
公开(公告)号：CN118152883A
公开(公告)日：2024-06-07
申请号：CN202410300728.X
申请日：2024-03-15
Applicant: 西安交通大学
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种轴承故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的轴承故障诊断模型中，输出故障诊断结果；其中，所述训练好的轴承故障诊断模型的训练方法为：分别将待诊断工况下不同类别仿真故障信息的振动信号和待诊断工况下已知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集作为强化学习算法的输入，自适应搭建得到多个不同的仿真故障诊断模型；利用所述目标域数据集对诊断准确率最佳的仿真故障诊断模型进行训练，得到所述训练好的轴承故障诊断模型。本发明的目的在于解决模拟实验故障数据获取难度大和成本高，直接故障仿真数据导致诊断精度低的问题。
-
公开(公告)号：CN116861765A
公开(公告)日：2023-10-10
申请号：CN202310630154.8
申请日：2023-05-30
Applicant: 西安交通大学
IPC: G06F30/27 , G06F18/2135 , G06F18/24 , G06F18/214 , G06F18/10 , G06N3/045 , G06N3/088
Abstract: 本发明公开了一种基于数字孪生和DBN的滚动轴承故障诊断方法及系统，通过滚动轴承数字孪生模型的建立能够实时获取海量故障数据，并通过深度置信网络对滚动轴承故障进行判断。本方法的核心在于：数字孪生模型的构建和更新、对数据集特征的提取和深度置信网络(DBN)的构建。建立与物理实体对应的数字孪生模型通过不断的更新使其获取更真实的孪生数据，同时数据集中特征的提取可以防止无关信号对故障诊断的影响。本发明着眼于工业4.0、智能制造2025背景下数字信息技术的快速发展，提出基于数字孪生技术+深度学习的滚动轴承故障诊断方法，能够为获取更加精准的滚动轴承故障诊断结果及滚动轴承故障溯源提供新思路。
-
公开(公告)号：CN116028844A
公开(公告)日：2023-04-28
申请号：CN202211614590.8
申请日：2022-12-13
Applicant: 西安交通大学
IPC: G06F18/24 , G01M13/045 , G06F18/213 , G06F18/15 , G06F17/13 , G06F17/15 , G06N3/006
Abstract: 本发明公开了一种滚动轴承微弱故障增强诊断方法、装置、设备及存储介质，采用改进的微分搜索算法，并以最小平均平方包络熵作为优化目标函数，对滚动轴承加速度振动信号进行变分模态分解，得到变分模态分解的最优分解层数和最优二次惩罚因子；将滚动轴承加速度振动信号、最优分解层数和最优二次惩罚因子代入变分模态分解参数中，得到滚动轴承加速度振动信号分解后的各固有模态分量；通过相关峭度选取各固有模态分量中的最优分量，根据最优分量生成重构信号；将重构信号输入利用改进的微分搜索算法优化后的随机共振模型中，输出增强后的滚动轴承加速度振动信号，对增强后的滚动轴承加速度振动信号执行包络谱。本发明能更好的进行微弱故障特征识别。
-
公开(公告)号：CN115219198A
公开(公告)日：2022-10-21
申请号：CN202210810548.7
申请日：2022-07-11
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/17 , G06F17/18 , G06N3/04
Abstract: 本发明公开了一种时变工况下的轴承运行健康监测方法、装置及设备，将当前时刻的振动信号均方根值和当前时刻的转速输入轴承混合系统响应模型中，根据过程噪声方差、观测噪声方差以及对偶扩展卡尔曼滤波算法计算下一时刻的振动信号均方根值和下一时刻的神经网络参数；计算当前时刻的神经网络参数和下一时刻的神经网络参数的欧式距离，并结合异常值检测准则对待监测轴承进行故障检测，根据特征降维方法对每一时刻的神经网络参数进行主成分分析，并取第一阶主成分作为表征待监测轴承发生故障后的实时退化过程，实现轴承运行健康监测。本发明能够实现对时变工况下的轴承运行健康状态进行监测。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.032 seconds)
