-
公开(公告)号:CN110849626A
公开(公告)日:2020-02-28
申请号:CN201911131867.X
申请日:2019-11-18
Applicant: 东南大学
IPC: G01M13/045 , G06N3/00
Abstract: 本发明公开了一种自适应稀疏压缩自编码的滚动轴承故障诊断系统,包括步骤如下:首先,对滚动轴承处进行振动信号的采集与处理,并将所采集的振动信号转化为频域信号;然后,将所转化的频谱信号分为训练样本集与测试样本集;接着将训练样本输入到所构建的自适应稀疏压缩自编码中进行特征学习,以挖掘潜藏在数据内部具有判别性的多层敏感特征;最后,将所提取的多层敏感特征输入布谷鸟搜索算法优化的无监督极限学习机进行分类器的训练;再将测试样本集输入到训练好的故障诊断系统,进行无监督的故障状态分离与诊断。本发明简单易行,可以摆脱传统深度学习故障诊断系统在分类阶段是有监督且训练效率低的缺陷。
-
公开(公告)号:CN108439216B
公开(公告)日:2019-11-15
申请号:CN201810240044.X
申请日:2018-03-22
Applicant: 东南大学 , 江苏省特种设备安全监督检验研究院
Abstract: 本发明提供了一种门座式起重机形变倾角在线监测系统及方法,具体包括:倾角硬件采集模块,LTE_4G通信模块,MCU处理模块,监测软件模块;门座式起重机力学结构分析和倾角监测原理;所属倾角传感器和处理器通过SPI通信传输,所属下位机采集模块和监测软件模块通过LTE_4G网络实现信息传输。根据多个倾角传感器采集的信号,进行数据处理分析后,监测软件动态显示象鼻梁的变形程度,得到其安全状态。实验结果表明,本发明方法能够有效监测门座式起重机象鼻梁倾角及其变形的动态数据。
-
公开(公告)号:CN108344512B
公开(公告)日:2019-11-12
申请号:CN201810086847.4
申请日:2018-01-30
Applicant: 东南大学
Abstract: 本发明提出一种电梯闸皮不均匀磨损的检测方法,包括:a)使用红外热像仪获取电梯制动时被测电梯闸皮及其附近空间的红外热像图像;使用摄像机拍摄从未使用过的性能良好的对照电梯闸皮及其附近空间的可见光图像;b)对红外热像图像进行降噪处理,滤去红外热像仪采集过程中的高斯噪声和椒盐噪声;c)对降噪后的红外热像图像进行特征提取,提取被测电梯闸皮制动时的等温线特征向量;对可见光图像进行特征提取,提取对照电梯闸皮的边缘特征向量;d)计算被测电梯闸皮制动时的等温线特征向量与对照电梯闸皮的边缘特征向量的相似度,检测被测电梯闸皮的不均匀磨损程度。本发明解决了电梯闸皮不解体情况下无法定量检测电梯闸皮不均匀磨损的问题。
-
公开(公告)号:CN108627326B
公开(公告)日:2019-10-18
申请号:CN201810426947.7
申请日:2018-05-07
Applicant: 东南大学 , 江苏省特种设备安全监督检验研究院
Abstract: 一种基于Bagging‑RNN模型的电梯制动性能评价方法,包括:a)获取不同制动性能的电梯在制动过程中的闸皮温度序列数据,作为样本集;b)按照比例将样本集划分为训练集和验证集;c)使用训练集数据训练Bagging‑RNN模型,根据训练误差修正Bagging‑RNN模型参数;d)使用验证集数据验证Bagging‑RNN模型的泛化能力,根据验证结果进一步修正Bagging‑RNN模型参数,将修正后的Bagging‑RNN模型作为电梯制动性能的评价模型;e)将被测电梯在制动过程中的闸皮温度序列数据作为Bagging‑RNN模型的输入,模型输出被测电梯的制动性能评价结果。本发明从电梯制动时电梯闸皮最高温度变化的生成机理出发,获取不同制动性能电梯制动过程中的闸皮温度序列数据,并基于历史数据提出了相应的电梯制动性能的评价方法。
-
公开(公告)号:CN110083884A
公开(公告)日:2019-08-02
申请号:CN201910270736.3
申请日:2019-04-04
Applicant: 东南大学
Abstract: 一种嵌入式环境下长数据序列多点滑动快速谱分析方法,主要解决传统滑动DFT算法在嵌入式设备上实现长数据序列多点滑动计算时复杂性高和实时性差的问题。首先确定频谱分析的数据点数和相应的滑动点数,嵌入式数据采集设备每采集到一个完整的滑动数据,将滑动前后数据进行作差预处理,再通过其内置的现场可编程逻辑阵列(FPGA)器件对预处理后数据块进行并行FFT计算,将上面计算得到的结果加滑动之前的频谱值,再乘旋转因子得到滑动之后的频谱值。该方法和传统的滑动DFT计算相比,减小计算的复杂度,有效提高了数据处理的效率,大大减少了从采集到得到频谱结果的时间,实时性更好。
-
公开(公告)号:CN109781412A
公开(公告)日:2019-05-21
申请号:CN201910142223.4
申请日:2019-02-26
Applicant: 东南大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于EEMD的滚动轴承自适应共振解调方法。该方法包括以下步骤: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,对采集到的振动信号进行EEMD分解和重构,实现原始信号的自适应滤波;步骤3,初始化切比雪夫I型带通滤波器参数;步骤4,在峭熵比指标下使用网格搜索算法自适应寻优滤波器的中心频率和带宽;步骤5,对滤波后信号包络解调得到包络谱并结合轴承相关故障特征频率得出诊断结果。本发明采用二次滤波,增强轴承故障信号的同时实现共振解调的自适应性,较其他方法具有更高的可靠性和诊断精度。
-
公开(公告)号:CN109636072A
公开(公告)日:2019-04-16
申请号:CN201910102612.4
申请日:2019-02-01
Applicant: 东南大学 , 江苏省特种设备安全监督检验研究院
Abstract: 本发明公开了一种基于非劣排序遗传算法的电梯门系统预防维修决策多目标优化方法,该方法包括以下步骤:1)对电梯门系统关键部件进行历史故障记录收集和统计,运用最好线性无偏估计的方法获取电梯门系统关键部件寿命的两参数威布尔分布形状参数和尺度参数;2)计算电梯门系统关键部件的故障率函数并取最大值,得到门系统的故障率函数;3)构建门系统使用寿命周期内的平均维修费率目标函数和单个预防维修周期内平均可靠度目标函数,建立门系统预防维修决策优化模型;4)采用非劣排序遗传算法对门系统预防维修决策优化模型进行多目标优化求解,得到最优的预防维修次数和预防维修周期长度。
-
公开(公告)号:CN109297712A
公开(公告)日:2019-02-01
申请号:CN201811302014.3
申请日:2018-11-02
Applicant: 东南大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明公开了一种基于最优尺度形态顶帽乘积滤波的轴承故障诊断方法,在轴承附近安装加速度传感器采集轴承振动信号,确定结构元素尺度的初始范围;在每个结构元素尺度处对轴承振动信号进行形态顶帽乘积滤波,获得多个尺度下的形态学滤波结果;计算每个尺度下形态学滤波结果的三阶累计量对角切片和对角切片谱,获得多个尺度下的三阶累计量对角切片和对角切片谱;计算每个尺度下对角切片谱的故障特征比,根据最大故障特征比准则确定最优尺度下的对角切片谱;从最优尺度对角切片谱中提取轴承故障特征信息,实现轴承故障类型的准确判别。本发明简单易行,克服了传统多尺度形态学分析的缺点,能够提高轴承故障诊断精度。
-
公开(公告)号:CN105258966B
公开(公告)日:2019-01-25
申请号:CN201510738138.6
申请日:2015-11-03
Applicant: 东南大学
Abstract: 本发明公开了一种基于裂纹扩展信息的起重设备实时安全运行指标确定方法,该方法包括以下步骤:S1.起重设备关键损伤位置的确定;S2.起重设备关键位置实时应力数据的采集S3.损伤根部应力数据的处理与分解;S4.实时裂纹扩展长度的求解;S5.最佳剩余过载时间的确定;S6.额定寿命下最佳过载载荷的确定;S7.瞬时极限过载载荷的确定。本发明将该损伤过程考虑在内,基于已有的损伤程度确定后续设备运行的最佳剩余过载时间、额定寿命下的最佳过载载荷及瞬时极限过载载荷,通过仪表实时将该数据显示给操作人员,以帮助操作人员了解现有设备的现有状态,并指导操作人员完成后续的最佳操作。
-
公开(公告)号:CN108627326A
公开(公告)日:2018-10-09
申请号:CN201810426947.7
申请日:2018-05-07
Applicant: 东南大学 , 江苏省特种设备安全监督检验研究院
Abstract: 一种基于Bagging-RNN模型的电梯制动性能评价方法,包括:a)获取不同制动性能的电梯在制动过程中的闸皮温度序列数据,作为样本集;b)按照比例将样本集划分为训练集和验证集;c)使用训练集数据训练Bagging-RNN模型,根据训练误差修正Bagging-RNN模型参数;d)使用验证集数据验证Bagging-RNN模型的泛化能力,根据验证结果进一步修正Bagging-RNN模型参数,将修正后的Bagging-RNN模型作为电梯制动性能的评价模型;e)将被测电梯在制动过程中的闸皮温度序列数据作为Bagging-RNN模型的输入,模型输出被测电梯的制动性能评价结果。本发明从电梯制动时电梯闸皮最高温度变化的生成机理出发,获取不同制动性能电梯制动过程中的闸皮温度序列数据,并基于历史数据提出了相应的电梯制动性能的评价方法。
-
-
-
-
-
-
-
-
-