-
Patent Agency Ranking
公开(公告)号：CN115406655A
公开(公告)日：2022-11-29
申请号：CN202211042367.0
申请日：2022-08-29
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06F30/27 , G06N3/08
Abstract: 本发明涉及智能诊断技术领域，提供一种轴承智能故障诊断模型建立方法，根据比例值将原始信号数据截断为训练集数据和测试集数据；按照初始设定的单个样本的采样点数SL，在截断后的振动数据初始位置处截取第一个样本，从初始位置处确定移动一个采样偏移量SO，并截取下一个样本，生成训练集和测试集；将处理后训练集样本输入神经网络模型中进行训练，通过损失函数优化神经网络中参数的权重和偏置，不仅能够在轴承智能故障诊断模型建立时，通过将轴承振动的原始信号数据通过截断成两部分独立的数据，能够完全避免训练集和测试集数据交叉造成的数据泄露；实现同时对轴承故障类型及故障严重程度的判断和输出，准确率高，效率高。
-
公开(公告)号：CN107608936B
公开(公告)日：2020-09-15
申请号：CN201710868167.3
申请日：2017-09-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种行星齿轮箱复合故障特征提取方法，首先，测量并存储行星齿轮箱振动信号；其次，构造多小波对称提升框架，引入调控参数；然后，构建多重分形熵作为自适应匹配准则的评价指标，通过智能优化算法进行多小波的自适应构造，获得与动态信号相匹配的多小波基函数；再经过冗余多小波变换分解；最后，计算每一频段内的故障特征频率处的相对能量比，获得频带相对能量比柱状图，选择故障敏感频带，进而识别和分离出复合故障。本发明能够克服行星齿轮箱传递路径复杂和工况噪声影响，借助自适应多小波构造和敏感特征频带选择，提取分离出行星齿轮箱内齿圈、行星轮和太阳轮早期故障特征。
-
公开(公告)号：CN107966287A
公开(公告)日：2018-04-27
申请号：CN201711174333.6
申请日：2017-11-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种自适应机电装备微弱故障特征提取方法，首先采集机电装备的振动信号；然后对选择的初始多小波进行两尺度相似变换，提高多小波尺度函数的逼近阶；接着设计满足对称和平移约束条件的多小波提升矩阵，进而实现多小波集成构造方法；最后基于振动信号采用遗传算法对自由参数进行优化，获得与故障特征相匹配的自适应多小波基函数，为微弱故障特征提取提供有利手段。本发明解决了机电设备实际监测诊断应用中微弱故障特征提取过程中的动态匹配瓶颈。
-
公开(公告)号：CN107832729A
公开(公告)日：2018-03-23
申请号：CN201711176681.7
申请日：2017-11-22
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00523 , G01M13/045 , G06K9/6217 , G06N3/08
Abstract: 本发明公开一种轴承锈蚀智能诊断方法，通过预先采集轴承在出现各类不同故障状态下的振动信号和轴承在正常状态下的振动信号，并对振动信号进行特征提取后去训练RBF神经网络，并构建锈蚀智能分类模型；之后利用该锈蚀智能分类模型既可以实现对轴承的实时故障诊断。
-
公开(公告)号：CN107608936A
公开(公告)日：2018-01-19
申请号：CN201710868167.3
申请日：2017-09-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种行星齿轮箱复合故障特征提取方法，首先，测量并存储行星齿轮箱振动信号；其次，构造多小波对称提升框架，引入调控参数；然后，构建多重分形熵作为自适应匹配准则的评价指标，通过智能优化算法进行多小波的自适应构造，获得与动态信号相匹配的多小波基函数；再经过冗余多小波变换分解；最后，计算每一频段内的故障特征频率处的相对能量比，获得频带相对能量比柱状图，选择故障敏感频带，进而识别和分离出复合故障。本发明能够克服行星齿轮箱传递路径复杂和工况噪声影响，借助自适应多小波构造和敏感特征频带选择，提取分离出行星齿轮箱内齿圈、行星轮和太阳轮早期故障特征。
-
-
-
-
Search Results
35
records
(took 0.027 seconds)
