-
公开(公告)号：CN117521806A
公开(公告)日：2024-02-06
申请号：CN202311476663.6
申请日：2023-11-07
摘要： 本发明公开了一种基于判别向量与关联矩阵的故障诊断推理方法，属于飞机故障诊断技术领域。包括以下步骤：建立故障模式与测点之间的故障关联矩阵；根据故障关联矩阵测点类型构造故障判别向量，统计故障关联矩阵各行向量的元素之和，构成元素计数向量；利用故障判别向量和故障关联矩阵形成故障推理模型，与元素计数向量进行比较，最终实现基于判别向量与关联矩阵的故障诊断。本发明给出了推理的详细过程，进一步完善了通用的故障诊断方法。
-
公开(公告)号：CN113642508A
公开(公告)日：2021-11-12
申请号：CN202110994650.2
申请日：2021-08-27
IPC分类号： G06K9/00 , G06K9/62 , G06N3/00 , G06N20/00 , G01M13/045
摘要： 本发明公开了一种基于参数自适应VMD与优化SVM的轴承故障诊断方法，包含以下步骤：S1采集轴承的原始振动信号；S2对原始振动信号进行自适应VMD，得到K个分量信号；S3利用时‑频加权峭度指标从K个分量信号中筛选出最佳分量信号IMF，将筛选出的IMF划分为训练集和测试集；S4：将训练集输入优化SVM进行模型训练，训练完成后获得能够判断轴承故障的机器学习模型；S5将测试集输入机器学习模型，从而输出轴承故障诊断结果。本方法解决了VMD分解参数难以自适应的问题，从而实现轴承故障的精确诊断，具有较高诊断精度，为设备安全稳定运行提供可靠依据。
-
公开(公告)号：CN113642508B
公开(公告)日：2024-04-09
申请号：CN202110994650.2
申请日：2021-08-27
IPC分类号： G06F30/27 , G06N3/00 , G06N20/00 , G01M13/045
摘要： 本发明公开了一种基于参数自适应VMD与优化SVM的轴承故障诊断方法，包含以下步骤：S1采集轴承的原始振动信号；S2对原始振动信号进行自适应VMD，得到K个分量信号；S3利用时‑频加权峭度指标从K个分量信号中筛选出最佳分量信号IMF，将筛选出的IMF划分为训练集和测试集；S4：将训练集输入优化SVM进行模型训练，训练完成后获得能够判断轴承故障的机器学习模型；S5将测试集输入机器学习模型，从而输出轴承故障诊断结果。本方法解决了VMD分解参数难以自适应的问题，从而实现轴承故障的精确诊断，具有较高诊断精度，为设备安全稳定运行提供可靠依据。
-
公开(公告)号：CN117454150A
公开(公告)日：2024-01-26
申请号：CN202311436947.2
申请日：2023-10-31
IPC分类号： G06F18/213 , G06F18/24 , G06F18/214 , G06N3/084 , G06N3/094
摘要： 本发明公开了一种基于动态对抗网络的行星齿轮箱故障诊断方法，特征提取网络包含特征提取层和分类层，将行星齿轮箱振动信号中带标签的源域、无标签的目标域分别输入到特征提取层进行训练，提取源域的可迁移故障特征、目标域的可迁移故障特征，再将可迁移故障特征输入到分类层进行故障分类；域判别器包含全域判别器和子域判别器，采用全域判别器对源域和目标域的可迁移故障特征的边缘分布进行自适应对齐，采用子域判别器对源域和目标域的条件分布进行自适应对齐。本发明通过全域判别器和子域判别器对齐数据的边缘分布和条件分布提高了故障识别率。
-
公开(公告)号：CN117349644A
公开(公告)日：2024-01-05
申请号：CN202311060170.4
申请日：2023-08-21
IPC分类号： G06F18/213 , G06F18/214 , G06N3/08 , G01R31/00
摘要： 本发明公开了一种马氏距离航空DC‑AC逆变器健康评估方法，包括如下步骤：根据DC‑AC逆变器电路中的各测点的检测信号进行时特征提取，并将所提取的特征纳入候选特征库；根据所述候选特征库，利用评价指标参数优选模型从候选特征库里选择目标DC‑AC逆变器特征组成样本特征；建立无故障DC‑AC逆变器的工况条件与样本特征之间的关系模型；得到当前电路健康特征矢量的相对变化量；将当前电路健康特征矢量相对变化量结合工程经验决策矩阵以充分考虑工程实际情况，以改进马氏距离公式；根据所述马氏距离公式得到当前电路健康特征矢量相对变化量，并进行归一化处理得到健康评估值。
-
公开(公告)号：CN113515811A
公开(公告)日：2021-10-19
申请号：CN202110541594.7
申请日：2021-05-18
IPC分类号： G06F30/15 , G06F30/25 , G06F30/27 , G01R31/40 , H02M3/335 , H02M7/5387 , G06F119/02
摘要： 本发明公开了一种航空DC‑AC逆变器退化趋势预测方法，根据DC‑AC逆变器的退化趋势将DC‑AC逆变器的工作环境划分若干种工况条件，设置各工况条件下的采样时刻，并提取各个时刻各观测点的健康特征参数；把各个观测点的健康表征矢量进行归一化并计算各观测点在标准工况条件下的健康表征矢量与当前电路健康表征矢量之间的马氏距离，得到各观测点的健康状态评估指标；根据健康评估指标来建立健康状态退化趋势预测算法。本发明不仅有效地预防航空DC‑AC逆变器故障的发生，还及时地为用户提供相关的状态信息，提高了维护效率，最终提高了飞机的安全性能。
-
公开(公告)号：CN117520816A
公开(公告)日：2024-02-06
申请号：CN202311476658.5
申请日：2023-11-07
IPC分类号： G06F18/213 , G06F18/10 , G01M13/045
摘要： 本发明公开了一种结合EMD和张量分解的振动故障特征信号提取方法，首先将初始振动信号进行EMD分解，并对分解得到的IMF分量根据相关系数和Wasserstein距离进行筛选；在此基础上，采用滑动窗对筛选得到的每个IMF进行分段截取，构造成三维信号张量；对该张量进行张量高阶奇异值分解，选用奇异值中心差商曲线，获取张量各个模式展开矩阵的有效奇异阶；根据有效奇异阶对张量进行重构，获取去噪后的振动故障特征信号。通过上述先后两次去噪处理过程，可有效剔除振动信号中的干扰成分，使强噪声干扰下的微弱故障特征更加明显并保持完整，提高后续航空旋转机械状态监测与故障诊断的准确性。
-
公开(公告)号：CN115684805A
公开(公告)日：2023-02-03
申请号：CN202211396980.2
申请日：2022-11-09
摘要： 本发明公开了一种基于高阶特征张量分解的航空逆变器故障诊断方法，首先根据航空逆变器采集的电信号数据构造初始数据样本集，提取电信号特征，形成故障特征集，在此基础上，将故障特征集进行数据预处理，获取训练集和测试集，并作归一化处理。然后构建高阶特征张量分解模型，来学习航空逆变器的电信号与故障模式之间的隐含关系。最后，通过支持张量机得到航空逆变器故障诊断结果。本发明在不提升原样本集时间复杂度的情况下，通过不断迭代，更新得到更高阶的相似矩阵，进而得到高阶相似样本集。
-
公开(公告)号：CN115630581A
公开(公告)日：2023-01-20
申请号：CN202211397023.1
申请日：2022-11-09
IPC分类号： G06F30/27 , G06N20/00 , G06F119/02
摘要： 本发明公开了一种直升机动部件健康状态多级评估方法，针对目标多级健康度阈值，通过设计相应步进故障注入试验，在地面试验台上生成多级故障数据；对多级故障数据进行特征提取，用于多级健康度阈值下的马氏距离参数训练，得到面向多级评估的马氏距离模型；对于待评估的动部件实际飞行数据，通过特征处理后输入训练好的马氏距离模型中，输出动部件的健康度，结合多级阈值得到动部件健康状态评估结果。本发明所提供的方法通过地面试验台数据训练面向多级评估的马氏距离模型，为动部件实际飞行数据提供健康状态多级评估手段，为直升机健康管理提供决策依据。
-
公开(公告)号：CN117520770A
公开(公告)日：2024-02-06
申请号：CN202311475160.7
申请日：2023-11-07
IPC分类号： G06F18/20 , B64F5/60 , G06F18/213
摘要： 本发明公开了一种飞机机载健康管理系统通用故障严重等级诊断方法，包括获取故障敏感参数和非敏感参数；以故障敏感参数和非敏感参数作为输入，制定操作条件和特定故障，开展诊断模型的仿真；针对机上采集到的数据和诊断模型对故障仿真得到的数据开展特征提取；根据机上采集数据的特征和诊断模型仿真数据的特征的残差值判断是否需要反复试验，直至诊断出故障大小。本发明不仅能够诊断系统是否存在故障，而且还能够诊断出系统故障严重程度，从而提高了故障诊断的精确性，为机载健康管理系统的实现提供了技术支撑。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.054 秒)