公开(公告)号：CN114166507A

公开(公告)日：2022-03-11

申请号：CN202111410485.8

申请日：2021-11-19

申请人： 郑州恩普特科技股份有限公司 ,  淮南矿业(集团)有限责任公司朱集东煤矿

发明人： 李永耀 ,  李海一 ,  胡鑫 ,  王宏超 ,  陈磊 ,  雷文平 ,  韩捷 ,  李志卫 ,  胡家乐 ,  陆远新

IPC分类号： G01M13/045

摘要： 本发明提出的一种基于快速谱峭度的谐波识别方法，属于设备状态监测和故障诊断领域。首先对采集的振动信号进行快速谱峭度计算，得到对应谱峭度较大的p个滤波器，并对振动信号进行滤波和降噪处理，得到对应包络谱序列；再对每个包络谱序列进行区间划分，确定各子区间的基础频率；然后根据谐波搜索区间计算各子区间的有效谐波个数和谐波强度；最后计算各子区间的谐波强度指数，输出谐波强度指数最大的前n个子区间所对应的频率。该方法通过自动识别设备振动信号中的谐波成分，可以准确识别出调制信号的有效频率成分，为智能诊断轴承或齿轮等设备提供重要的故障征兆参数，相比人工识别调制信号的有效频率成分，明显简化工作复杂度且能提高诊断效率。

公开(公告)号：CN113123956A

公开(公告)日：2021-07-16

申请号：CN202110374195.6

申请日：2021-04-07

申请人： 郑州恩普特科技股份有限公司

发明人： 王宏超 ,  韩捷 ,  胡鑫 ,  陈磊 ,  李永耀

IPC分类号： F04B51/00 ,  G06F30/20

摘要： 本发明属于水泵水锤故障技术领域，具体涉及一种水泵水锤故障诊断方法。首先获取水泵测试工况下的时域振动信号，根据测试工况下的时域振动信号确定工频值，并构建正弦参考信号；然后将测试工况下的时域振动信号和构建的正弦参考信号输入至变分模式提取计算模型中，得到工频成分信号；接着将测试工况下的时域振动信号减去工频成分信号，得到目标信号；最后提取目标信号的水锤故障特征，并与水泵正常工况下的水锤故障特征进行比较，根据比较结果判断水泵是否发生水锤故障和/或水泵水锤故障的严重程度。本发明能够有效滤除工频成分信号及其谐频成分，从而准确提取水锤故障特征成分，有效诊断出定频及变频工况下水泵发生的微弱水锤故障。

公开(公告)号：CN112946471A

公开(公告)日：2021-06-11

申请号：CN202110156901.X

申请日：2021-02-04

申请人： 郑州恩普特科技股份有限公司

发明人： 胡鑫 ,  陈磊 ,  李永耀 ,  雷文平 ,  王宏超 ,  李凌均 ,  王丽雅 ,  韩捷

IPC分类号： G01R31/34

摘要： 本发明涉及一种变频电机故障监测系统，属于故障诊断领域。该系统通过采集电机设备的动态电流信号、轴承振动信号、轴承温度信号，对应计算电机的电气故障特征指标、振动故障特征指标、温度故障特征指标；将振动故障特征指标、温度故障特征指标分别带入动态配置的报警阈值模型函数，求出振动报警阈值和温度报警阈值，电气报警阈值采用国标设定，用于进行预警判断。本发明利用变频电机的多种类型信号进行故障特征指标判别，对于其中的电气故障特征指标，采用国标阈值进行报警判断；对于其中的振动和温度故障特征指标，采用报警阈值模型函数计算的阈值进行报警判断，提高设备报警准确性，降低漏报、误报率。

公开(公告)号：CN111473975A

公开(公告)日：2020-07-31

申请号：CN202010286849.5

申请日：2020-04-13

申请人： 郑州恩普特科技股份有限公司

发明人： 王宏超 ,  韩思蒙 ,  陈磊 ,  雷文平 ,  胡鑫 ,  李永耀 ,  李凌均 ,  韩捷

IPC分类号： G01M13/045 ,  G06K9/00

摘要： 本发明涉及一种基于特征向量基线法的二级齿轮箱故障智能诊断方法，属于齿轮箱故障诊断技术领域。本发明通过获取齿轮箱各设定测点正常工况的振动数据建立基线特征征兆库，基线特征征兆库中包括由正常工况振动数据提取得到的啮合信号，将实时采集的振动数据进行成分分析，提取出齿轮啮合信号作为实时特征，将实时特特征与基线特征征兆库中的特征数据进行比较，当某个特征的实时特征值超过对应基线特征值的设定比例，则认为此特征对应的齿轮发生了故障，以此实现对齿轮箱故障的诊断。本发明以正常工况的数据为基准，将实时振动数据与正常工况比较，提高了齿轮箱故障诊断的准确度。

公开(公告)号：CN107704712A

公开(公告)日：2018-02-16

申请号：CN201711047493.4

申请日：2017-10-31

申请人： 郑州恩普特科技股份有限公司 ,  韩捷

发明人： 王宏超 ,  陈宏 ,  雷文平 ,  王丽雅 ,  李凌均 ,  陈磊 ,  韩捷

IPC分类号： G06F17/50 ,  G06F17/30 ,  G06K9/62 ,  G06N5/02

CPC分类号： G06F17/5009 ,  G06F17/30424 ,  G06F17/30595 ,  G06K9/6288 ,  G06N5/022

摘要： 本发明涉及基于全矢谱特征提取的机械故障诊断方法和系统，首先，采集机组的振动类参量、工艺类参量和电气类参量；然后，将上述三类参量进行故障特征提取，分别得到振动特征量、工艺特征量和电气特征量；最后，将振动特征量、工艺特征量和电气特征量与振动特征量知识库、工艺特征量知识库和电气特征量知识库进行相应比对，根据比对结果进行故障诊断。在数据采集和提取过程中，除了获取振动类参量之外，还获取工艺类参量和电气类参量，结合这三种参量进行机械故障诊断。因此，该诊断方法更加全面，根据多方位的数据信息诊断机械的运行状态，大幅度提升诊断可靠性和准确性，避免传统机械智能诊断时特征量过于单一以致造成漏判或误判的弊端。

公开(公告)号：CN118310748A

公开(公告)日：2024-07-09

申请号：CN202410435974.6

申请日：2024-04-11

申请人： 郑州恩普特科技股份有限公司

发明人： 唐凯 ,  王宏超 ,  胡鑫 ,  陈磊 ,  雷文平 ,  韩捷

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

摘要： 本发明属于轴承故障诊断技术领域，具体涉及一种滚动轴承欠润滑诊断方法、系统和存储介质。该方法首先采用最小熵反卷积法对旋转机械中滚动轴承运转时采集的原始振动信号进行滤波；然后分别计算滤波后的信号和原始振动信号的频谱质心，若两个频谱质心之间差异大于或等于设定差异阈值则判定滚动轴承出现欠润滑故障，提高了滚动轴承欠润滑故障诊断精度，解决滚动轴承欠润滑诊断效果较差的技术问题。

公开(公告)号：CN114252250B

公开(公告)日：2023-08-01

申请号：CN202111501141.8

申请日：2021-12-09

申请人： 郑州恩普特科技股份有限公司

发明人： 胡鑫 ,  雷文平 ,  李永耀 ,  王宏超 ,  陈磊 ,  李凌均 ,  王丽雅 ,  韩捷

IPC分类号： G01M13/00 ,  G01M7/02

摘要： 本发明涉及一种基于部件分解的机械故障诊断方法。方法包括：实时采集机械机组每个测点的振动数据；当机械机组的某个测点或者多个测点报警时，在机组模板上找出对应的报警测点；根据报警测点、以及各测点与被诊断对象之间的位置关系，确定所有被诊断对象；根据每个被诊断对象选出对应的诊断对象模板；依据每个诊断对象模板中与诊断对象关联的所有测点标识、以及第一对应关系，确定机组模板中与报警测点关联的其他测点；根据不同的诊断对象，结合各自的报警测点和与报警测点关联的其他测点的振动数据进行故障定位。本发明利用诊断对象模板进行故障的诊断提高了诊断效率，且通过与诊断对象关联的所有测点标识，提高了故障定位的准确性。

公开(公告)号：CN115048960A

公开(公告)日：2022-09-13

申请号：CN202210666304.6

申请日：2022-06-13

申请人： 郑州恩普特科技股份有限公司

发明人： 雷文平 ,  胡鑫 ,  李永耀 ,  张君浩 ,  张培 ,  王宏超 ,  陈磊 ,  陈宏 ,  李凌均 ,  王丽雅 ,  韩捷

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G01M13/045

摘要： 本发明属于机械系统振动状态监测技术领域，具体涉及一种设备状态检测方法，本发明通过采集多工况的正常数据并通过正常数据的学习，通过构建仅使用正常的多工况振动数据训练样本进行对深度学习模型的学习、训练，以实现异常状态的实时在线识别。具体地，通过深度学习网络提取数据的本质特征，然后依据建立的异常监测阈值来实现对各类异常数据的判别。并且本发明方法充分利用了时域、频域、自相关信息，通过深度自编码器进行特征提取可以捕捉到多工况正常样本的本质特征，有效提升在多工况下的振动状态异常检测能力。由此，本发明解决了现有技术中异常检测准确度低的问题。

公开(公告)号：CN114112366A

公开(公告)日：2022-03-01

申请号：CN202111466164.X

申请日：2021-12-03

申请人： 郑州恩普特科技股份有限公司

发明人： 陈磊 ,  韩捷 ,  胡鑫 ,  李永耀 ,  王宏超 ,  雷文平 ,  李凌均

IPC分类号： G01M13/00 ,  G01H17/00

摘要： 本发明提供了一种泵机运行状态监测方法，属于泵机设备监测技术领域。在不同工况下，针对振动通频值和反映离心泵常见故障形式的振动特征指标报警，实现分工况报警。在对泵机运行状态进行实时监测时，获取待测泵机的当前振动信号，从当前振动信号中计算出振动通频值和反映各种故障发生的振动征兆指标，振动通频值或振动征兆指标中若有超过对应报警值的情况，则提示通频报警或指标报警，认为待测泵机存在故障。采用本发明，可以在待测泵机处于不同工况时，采用与工况对应的故障报警标准对其运行状态进行判断，并通过阈值自学习的方法，完成对不同工况下故障报警标准的设定，提高对泵机运行状态监测的准确性，减少漏报、误报的发生。

公开(公告)号：CN113884300A

公开(公告)日：2022-01-04

申请号：CN202111123632.3

申请日：2021-09-24

申请人： 郑州恩普特科技股份有限公司 ,  韩捷

发明人： 雷文平 ,  岳帅旭 ,  胡鑫 ,  李永耀 ,  王宏超 ,  陈磊 ,  李凌均 ,  王丽雅 ,  陈宏 ,  韩捷

IPC分类号： G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种深度对抗迁移学习的滚动轴承故障诊断方法，属于机械系统智能诊断领域。本发明采用深度对抗迁移学习的网络模型对滚动轴承故障进行诊断，该模型包括特征提取层、故障分类层、全局域对抗层和局部域对抗层。模型采用分类损失、全局域对抗损失和局部故障类对抗损失之和作为损失函数进行训练，确保在训练过程中通过带故障标签的源域数据实现目标域故障的准确分类。本发明能够在有效构建故障分类器的同时，通过域对抗和类别对抗学习保证其源域故障和目标域故障的共有特征属性处于同一分布上，进而减少源域与目标域的特征分布差异，提高了对滚动轴承的故障分类的准确率。