-
公开(公告)号：CN115127881B
公开(公告)日：2025-03-25
申请号：CN202210554355.X
申请日：2022-05-20
Applicant: 东南大学
Abstract: 本发明公开了一种压缩机叶片裂纹损伤加速装置及方法，装置包括进气管、出气管、顶盖、外壳、限流漏斗、聚集漏斗、流量控制装置、进气连接管、磨料。压缩机的进气口和出气口分别连接进气管和出气管，进气管安装于外壳底部，出气管穿过于顶盖置于外壳顶部，外壳中间位置设有限流漏斗，流量控制装置调节限流漏斗通过磨料的流量，外壳底部设有聚集漏斗，聚集漏斗通过进气连接管与进气管连接。通过调整流量控制装置调节磨料的流量，磨料在压缩机和压缩机叶片裂纹损伤加速装置内循环加速压缩机叶片裂纹损伤。本发明简单易行，能够准确调整磨料的流量控制压缩机叶片裂纹损伤程度和所需时间，达到压缩机叶片裂纹损伤加速的效果。
-
公开(公告)号：CN115166032A
公开(公告)日：2022-10-11
申请号：CN202210560401.7
申请日：2022-05-23
Applicant: 东南大学
Abstract: 本发明公开了一种风机叶片裂纹的检测装置及方法，包括风机外壳和电机、以及用于检测的声压传感器、声发射传感器和振动传感器，采用以下方法对叶片裂纹进行检测：采集两通道声、两通道声发射信号以及两通道振动信号，在标准化处理后分成训练和测试样本；使用数据级融合方法分别融合两通道声、两通道声发射和两通道振动信号的训练和测试样本，生成数据融合训练和测试样本；将上述原始和数据融合训练样本输入卷积神经网络中，得到初始检测结果；使用决策级融合的方法融合所述初始检测结果，并得到检测结果，实现叶片裂纹故障检测。本发明采用多种信号融合的方式对叶片裂纹进行检测，能够快速准确的判断叶片是否存在裂纹故障，提高检测的准确性。
-
公开(公告)号：CN114509158A
公开(公告)日：2022-05-17
申请号：CN202210001190.3
申请日：2022-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种声振融合的叶片裂纹故障检测方法急应用，叶片裂纹故障检测方法包括以下步骤：采集两通道声信号及两通道振动信号，在标准化处理后分成训练和测试样本；使用数据级融合方法分别融合两通道振动信号训练和测试样本，并生成振动数据融合训练和测试样本；将上述两通道声信号、两通道振动信号和振动数据融合训练样本输入到一维卷积神经网络中，得到初始检测结果；使用决策级融合方法融合所述初始检测结果，并得到最终的检测结果，实现压缩机叶片的裂纹故障检测。本发明简单易行，相比于其他现有裂纹检测技术能够在数据级和决策级融合声振信号实现压缩机叶片裂纹故障检测。
-
-
公开(公告)号：CN114518412A
公开(公告)日：2022-05-20
申请号：CN202210001189.0
申请日：2022-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应随机共振的叶片裂纹故障识别方法及应用，其中叶片裂纹故障识别方法，包括：采集叶片轴振动信号，计算信号噪声强度；使对叶片叶振动信号进行分解，得到若干个不同频段的分量，根据中心频段分量挑选分量并进行信号重组；计算重组信号的幅值；根据信号噪声强度和重组信号的幅值，估计信号输入信噪比；根据信噪比和随机共振最优参数的关系，得到随机共振最优参数分布圆；确定重组信号的随机共振参数中心值和范围；使用遗传算法进行参数优化，并得到最优随机共振输出，实现压缩机叶片裂纹的故障识别。本发明简单易行，相比于其他现有随机共振技术能够自适应地精确实现压缩机叶片裂纹故障识别。
-
Patent Agency Ranking
公开(公告)号：CN114528868B
公开(公告)日：2024-11-26
申请号：CN202210001059.7
申请日：2022-01-04
Applicant: 东南大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/0442 , G06N3/08 , G01N29/44
Abstract: 本发明公开了一种压缩机叶片裂纹故障检测方法，包括以下步骤：采集压缩机出气口两通道声发射信号，并分成训练和测试样本；提取训练样本的声发射特征、时域特征、频域特征和谱质心能量迁移特征；使用混合特征选择方法进行特征选择，确定最优特征子集；建立两通道训练样本和试样本特征子集；合并两通道训练样本特征子集并使用长短期记忆神经网络进行训练，最后使用训练完成的长短期记忆神经网络对测试样本进行叶片裂纹故障分类与检测，实现压缩机叶片的裂纹故障检测。本发明简单易行，相比于其他现有故障特征和裂纹检测技术能够建立有效反映叶片故障特征的谱质心能量迁移特征、实现混合特征选择和压缩机叶片裂纹故障检测。
-
公开(公告)号：CN115127881A
公开(公告)日：2022-09-30
申请号：CN202210554355.X
申请日：2022-05-20
Applicant: 东南大学
Abstract: 本发明公开了一种压缩机叶片裂纹损伤加速装置及方法，装置包括进气管、出气管、顶盖、外壳、限流漏斗、聚集漏斗、流量控制装置、进气连接管、磨料。压缩机的进气口和出气口分别连接进气管和出气管，进气管安装于外壳底部，出气管穿过于顶盖置于外壳顶部，外壳中间位置设有限流漏斗，流量控制装置调节限流漏斗通过磨料的流量，外壳底部设有聚集漏斗，聚集漏斗通过进气连接管与进气管连接。通过调整流量控制装置调节磨料的流量，磨料在压缩机和压缩机叶片裂纹损伤加速装置内循环加速压缩机叶片裂纹损伤。本发明简单易行，能够准确调整磨料的流量控制压缩机叶片裂纹损伤程度和所需时间，达到压缩机叶片裂纹损伤加速的效果。
-
公开(公告)号：CN114528868A
公开(公告)日：2022-05-24
申请号：CN202210001059.7
申请日：2022-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种压缩机叶片裂纹故障检测方法，包括以下步骤：采集压缩机出气口两通道声发射信号，并分成训练和测试样本；提取训练样本的声发射特征、时域特征、频域特征和谱质心能量迁移特征；使用混合特征选择方法进行特征选择，确定最优特征子集；建立两通道训练样本和试样本特征子集；合并两通道训练样本特征子集并使用长短期记忆神经网络进行训练，最后使用训练完成的长短期记忆神经网络对测试样本进行叶片裂纹故障分类与检测，实现压缩机叶片的裂纹故障检测。本发明简单易行，相比于其他现有故障特征和裂纹检测技术能够建立有效反映叶片故障特征的谱质心能量迁移特征、实现混合特征选择和压缩机叶片裂纹故障检测。
-
公开(公告)号：CN114518412B
公开(公告)日：2025-02-28
申请号：CN202210001189.0
申请日：2022-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应随机共振的叶片裂纹故障识别方法及应用，其中叶片裂纹故障识别方法，包括：采集叶片轴振动信号，计算信号噪声强度；使对叶片叶振动信号进行分解，得到若干个不同频段的分量，根据中心频段分量挑选分量并进行信号重组；计算重组信号的幅值；根据信号噪声强度和重组信号的幅值，估计信号输入信噪比；根据信噪比和随机共振最优参数的关系，得到随机共振最优参数分布圆；确定重组信号的随机共振参数中心值和范围；使用遗传算法进行参数优化，并得到最优随机共振输出，实现压缩机叶片裂纹的故障识别。本发明简单易行，相比于其他现有随机共振技术能够自适应地精确实现压缩机叶片裂纹故障识别。
-
公开(公告)号：CN115166032B
公开(公告)日：2024-04-19
申请号：CN202210560401.7
申请日：2022-05-23
Applicant: 东南大学
Abstract: 本发明公开了一种风机叶片裂纹的检测装置及方法，包括风机外壳和电机、以及用于检测的声压传感器、声发射传感器和振动传感器，采用以下方法对叶片裂纹进行检测：采集两通道声、两通道声发射信号以及两通道振动信号，在标准化处理后分成训练和测试样本；使用数据级融合方法分别融合两通道声、两通道声发射和两通道振动信号的训练和测试样本，生成数据融合训练和测试样本；将上述原始和数据融合训练样本输入卷积神经网络中，得到初始检测结果；使用决策级融合的方法融合所述初始检测结果，并得到检测结果，实现叶片裂纹故障检测。本发明采用多种信号融合的方式对叶片裂纹进行检测，能够快速准确的判断叶片是否存在裂纹故障，提高检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
