-
公开(公告)号：CN109297705A
公开(公告)日：2019-02-01
申请号：CN201810932320.9
申请日：2018-08-16
申请人： 东南大学
IPC分类号： G01M13/021 , G01M13/028
摘要： 本发明公开了一种基于MED和模糊熵的行星齿轮箱振动信号故障诊断方法，其特征在于，搭建风电机组实验装置，通过风电机组实验装置采集行星齿轮箱振动信号；利用MED对行星齿轮箱振动信号进行去噪处理；对行星齿轮箱振动信号进行EMD分解，剔除无效分量，得到多个有效IMF分量，计算每个有效IMF分量的模糊熵值并保留模糊熵值最小的IMF分量；对模糊熵值最小的IMF分量的信号进行包络谱分析，分析故障特征频率。该方法能够有效提取故障特征频率，且能有效滤除噪声对特征频率的干扰，有效消除模态混叠、端点效应等现象对行星齿轮箱信号进行故障诊断的不良影响。
-
公开(公告)号：CN110598593B
公开(公告)日：2022-03-25
申请号：CN201910806423.5
申请日：2019-08-29
申请人： 东南大学
IPC分类号： G06K9/00 , G01M13/028 , G01M13/021
摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；将含有行星齿轮箱振动信号的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号：CN109543258A
公开(公告)日：2019-03-29
申请号：CN201811330507.8
申请日：2018-11-09
申请人： 东南大学
摘要： 本发明涉及一种基于模态叠加法的风电机组塔架应力状态计算方法，首先建立塔架的有限元模型，然后通过有限元法计算得到塔架的截断模态矩阵并根据监点处的实时振动值计算得到塔架的振动主坐标，最后通过模态叠加法计算得到塔架的实时应力状态；利用本方法可以根据塔架有限个振动测点的实时振动值快速计算得到整个塔筒及法兰螺栓的应力状态，具有计算精度高，计算速度快的特点，能满足实时在线计算的要求。
-
公开(公告)号：CN112163474B
公开(公告)日：2024-03-26
申请号：CN202010966319.5
申请日：2020-09-15
申请人： 东南大学
IPC分类号： G06F18/213 , G06F18/24 , G06F18/2415 , G06N3/0464 , G01M13/045
摘要： 本发明针对单视角特征及单一模型对齿轮箱中滚动轴承复合故障的诊断准确率较低的问题，提出了基于比例冲突分配规则的模型融合故障诊断方法。包括如下步骤：1)对齿轮箱振动信号进行特征提取，针对复杂复合故障，从时域及时频域角度构造特征。2)将多视角特征送入多个子模型中进行初步诊断，得到互补性强的诊断结果。3)模型输出的分类概率由第6类比例冲突分配规则进行融合。实验证明本发明融合模型所得出的结果具有较高的稳定性，并在一定条件下可以提高故障诊断的准确率。
-
公开(公告)号：CN109543258B
公开(公告)日：2023-07-18
申请号：CN201811330507.8
申请日：2018-11-09
申请人： 东南大学
IPC分类号： G06F30/23 , G06F30/13 , G06Q50/06 , G06F119/14
摘要： 本发明涉及一种基于模态叠加法的风电机组塔架应力状态计算方法，首先建立塔架的有限元模型，然后通过有限元法计算得到塔架的截断模态矩阵并根据监点处的实时振动值计算得到塔架的振动主坐标，最后通过模态叠加法计算得到塔架的实时应力状态；利用本方法可以根据塔架有限个振动测点的实时振动值快速计算得到整个塔筒及法兰螺栓的应力状态，具有计算精度高，计算速度快的特点，能满足实时在线计算的要求。
-
公开(公告)号：CN112163472A
公开(公告)日：2021-01-01
申请号：CN202010965476.4
申请日：2020-09-15
申请人： 东南大学
IPC分类号： G06K9/00 , G06K9/62 , G01M13/045
摘要： 本发明研究了滚动轴承振动信号多视角特征集的特征融合过程，提出了基于随机森林特征选择和自编码器降维的特征融合。首先，利用统计特征和时序信号频谱分析方法提取滚动轴承多视角特征；2)利用随机森林输出高维特征的特征重要度，基于特征重要度将剔除无效特征，减少特征维度；3)针对特征集中存在的特征重要度相同的冗余特征，利用自编码器将其进行非线性降维，从而得到能够清晰表达轴承状态差异的小冗余低维特征集。
-
公开(公告)号：CN110398364A
公开(公告)日：2019-11-01
申请号：CN201910604394.4
申请日：2019-07-05
申请人： 东南大学
IPC分类号： G01M13/028
摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，包括如下步骤：1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；2)将含有行星齿轮箱的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号：CN112163474A
公开(公告)日：2021-01-01
申请号：CN202010966319.5
申请日：2020-09-15
申请人： 东南大学
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
摘要： 本发明针对单视角特征及单一模型对齿轮箱中滚动轴承复合故障的诊断准确率较低的问题，提出了基于比例冲突分配规则的模型融合故障诊断方法。包括如下步骤：1)对齿轮箱振动信号进行特征提取，针对复杂复合故障，从时域及时频域角度构造特征。2)将多视角特征送入多个子模型中进行初步诊断，得到互补性强的诊断结果。3)模型输出的分类概率由第6类比例冲突分配规则进行融合。实验证明本发明融合模型所得出的结果具有较高的稳定性，并在一定条件下可以提高故障诊断的准确率。
-
公开(公告)号：CN110398364B
公开(公告)日：2021-05-18
申请号：CN201910604394.4
申请日：2019-07-05
申请人： 东南大学
IPC分类号： G01M13/028
摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，包括如下步骤：1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；2)将含有行星齿轮箱的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号：CN110598593A
公开(公告)日：2019-12-20
申请号：CN201910806423.5
申请日：2019-08-29
申请人： 东南大学
IPC分类号： G06K9/00 , G01M13/028 , G01M13/021
摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；将含有行星齿轮箱振动信号的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.017 秒)
