-
公开(公告)号：CN111220373A
公开(公告)日：2020-06-02
申请号：CN202010192412.5
申请日：2020-03-18
Applicant: 北京工业大学
IPC: G01M13/00 , G01M13/045
Abstract: 本发明公开了一种离心泵转子系统故障诊断的方法，具体涉及一种基于变分模态分解和核极限学习机的离心泵转子系统故障诊断的方法，属于旋转机械故障诊断领域。该方法主要包括步骤S1：获取离心泵转子系统正常状态与故障状态下的振动加速度信号(正常、转子不对中、转子不平衡、轴承内圈故障、轴承外圈故障、轴承滚动体故障)，得到时域信号样本集。步骤S2：对得到的时域信号样本集进行变分模态分解，得到本征模函数分量。步骤S3：对每个本征模函数分量求取能量值、波形因子、脉冲指标、裕度系数、峰值因子和峭度值。步骤S4：构建特征矩阵，归一化处理数据。步骤S5：采用训练样本对离心泵转子系统故障诊断系统进行训练。步骤S6：将测试样本或者实时样本输入到离心泵转子系统故障诊断模型中，对故障进行诊断。
-
公开(公告)号：CN106153340B
公开(公告)日：2018-12-18
申请号：CN201610500024.2
申请日：2016-06-29
Applicant: 北京工业大学
IPC: G01M13/04
Abstract: 一种滚动轴承故障诊断方法，属于旋转机械故障诊断领域。该方法主要包括4个步骤：获取轴承在正常及故障状态下的振动信号样本集，然后计算样本集的典型时域统计参数，获得初始特征集；计算初始特征集中每个特征的拉普拉斯分值，按从小到大排列，选取排在最前的若干个特征组成故障特征矩阵；采用自适应模糊C均值聚类方法对故障特征矩阵进行聚类分析，获得最佳聚类数和聚类中心，聚类数即样本集包含的故障类型数；计算未知样本和已知样本集的聚类中心之间的贴近度，根据贴近度的大小确定未知样本的故障类型。该方法简单，方便，可大大减少计算量，准确识别故障类型划分及识别，具有很大的实用价值。
-
公开(公告)号：CN107082205A
公开(公告)日：2017-08-22
申请号：CN201710350672.9
申请日：2017-05-18
Applicant: 北京工业大学
IPC: B65D90/44
CPC classification number: B65D90/44
Abstract: 本发明公开了一种球仓惰化保护装置，用于对火力发电厂等的大型球形储煤仓进行惰化保护。该装置的储气装置通过减压装置与多级充气管路相连，调节充惰压力，减压装置后的总管路上设有总阀门，来控制总管路的通断；本装置由储气装置，减压装置，及设置在球仓底部出煤口和球仓壁的预埋管，球仓上部的充气装置，各级充气管路等组成，通过首先对球仓底部和上方进行充气，随后在煤堆内部进行充气的方式，实现“隔离—抑制”的作用，形成了对球仓内部煤堆整体的惰化保护。
-
公开(公告)号：CN103671190B
公开(公告)日：2016-04-06
申请号：CN201310426466.3
申请日：2013-09-18
Applicant: 北京工业大学
IPC: F04D27/00
Abstract: 一种智能早期矿用通风机在线故障诊断系统属于设备早期故障诊断领域。针对矿用通风机对煤矿安全的重要性和早期故障诊断的复杂性，本发明实现了既能对矿用通风机运行状态特征的准确提取，又能识别矿用通风机运行状态的细微变化。由于目前矿用通风机故障诊断装置只能实现故障预警，而不能对早期故障做出诊断。本发明利用聚类和奇异值分解的方法对传感器、变送器提取的状态信息做预处理和提取矿用通风机的状态特征，且不受噪声的干扰。在故障识别与分类方面使用支持向量机模型，同时利用每次诊断的数据不断丰富与更新支持向量机的训练与学习样本，使该模型包含更多的信息，达到矿用通风机早期故障的准确、快速和智能的目的。
-
公开(公告)号：CN103713103B
公开(公告)日：2015-04-08
申请号：CN201410010807.3
申请日：2014-01-09
Applicant: 北京工业大学
IPC: G01N33/00
Abstract: 本发明涉及一种方形大梁的自动化无损检测装置，装置主体包括轴向运动系统、周向抱紧系统与周向回转系统，轴向运动系统安装在周向抱紧系统内部；周向回转系统包括回转外圈与回转内圈，回转外圈包括方形连接板，方形连接板与轨道外圈通过连接板连接；回转内圈包括内滑块，内滑块通过调节螺母二安装在周向回转系统内部，内滑块与传感器座之间套有张紧弹簧，传感器座上部安装有传感器盒，此传感器盒上设有传感器，周向抱紧系统前部边缘处安装有清洁刷，周向抱紧系统上部压制有凸片。本发明的有益效果为：可实现大梁检测的全自动化，提高大梁检测效率、降低人工劳动力，节约检测成本，结构简单，操作方便，准确性高等诸多优点。
-
公开(公告)号：CN104267097A
公开(公告)日：2015-01-07
申请号：CN201410469897.2
申请日：2014-09-15
Applicant: 北京工业大学
Abstract: 本发明公开了一种风机叶片裂纹位置确定方法，所述方法包括以下步骤：S1、模拟叶片不同位置发生裂纹故障，并计算其前三阶固有频率；S2、以每阶所述固有频率、裂纹的相对深度、裂纹的相对径向位置为坐标轴，绘制固有频率解曲面图，构造故障样本库；S3、叶片故障诊断时，通过计算获得叶片的前三阶固有频率，将其反向输入到所述故障样本库；S4、利用等高线法进行求解，得到裂纹所在的深度和径向位置。本发明的方法利用等高线法求解叶片裂纹产生的位置，不仅实现了对风机叶片裂纹的及时诊断，还实现了对风机叶片裂纹位置的定量分析，诊断速度快且结果可靠，为设备维护提供了有力保障。
-
公开(公告)号：CN103969458A
公开(公告)日：2014-08-06
申请号：CN201410144139.3
申请日：2014-04-10
Applicant: 北京工业大学
Abstract: 本发明的目的在于提供了一种振动筛方形大梁的自动化检测装置，该装置包括支架、轴向运动系统及周向回转系统，该装置的轴向运动系统由主动行走机构与从动行走机构组成，主动行走机构包括电机、电机座、减速器、主动车轮、主动车轮架、弹簧一、螺母一；从动行走机构包括从动车轮、从动车轮架、弹簧二、螺母二；周向回转系统包括连接板、轨道、传感器座、张紧弹簧、调节螺母、传感器盒。传统的人工检测效率低下，而且很多地方检测困难，通过本装置将检测自动化，可以使检测容易化，并且显著提高检测效率。本装置自动化程度高，运动平稳性好，有效地消除了检测信号因颤抖与速度的影响，很大程度上提高了检测信号的重复性与准确性。
-
公开(公告)号：CN110032769B
公开(公告)日：2023-05-02
申请号：CN201910200932.3
申请日：2019-03-18
Applicant: 北京工业大学
IPC: G06F30/23
Abstract: 本发明公开了一种通风机叶片流固耦合数值分析方法，该方法的通过分别建立流体域、固体域的动力学模型和基本方程、边界条件以及湍流模型，将方程代入流固耦合模型流程图。在耦合边界上固体的振动引起流体的运动，而流体运动时的压力又反作用于固体，形成两者间的耦合作用，建立叶片流固耦合问题的双向耦合模型。本发明与已有的叶片流固耦合模型相比，更加趋近于实际，不单纯将流体的作用处理为阻尼作用，把流体域和固体域视为一个完整的工程问题。
-
公开(公告)号：CN111175046A
公开(公告)日：2020-05-19
申请号：CN202010193238.6
申请日：2020-03-18
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于流形学习和s-k-means聚类的滚动轴承故障诊断方法，属于旋转机械故障诊断领域。该方法主要包括5个步骤：获取轴承在正常及故障状态下的振动信号作为原始信号；获取时域特征集和小波包能量特征集；利用散布矩阵，构造特征分类能力指数，排除部分无关特征，实现特征选取；将经过特征选择后的特征集作为维数约简算法的高维输入，使用NPE(邻域保持嵌入)的流形学习方法进行维数约简，得到经过约简后的低维特征集；采用s-k-means聚类方法对故障特征矩阵进行聚类分析，确定故障类型。该方法简单有效，有助于实现高维故障特征的有效约简和二次提取，得到了与故障联系密切的少量典型特征，使得特征分类时的计算量大大减少，从而准确识别故障类型。
-
公开(公告)号：CN107064315B
公开(公告)日：2019-09-27
申请号：CN201710181007.1
申请日：2017-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了基于小波分析的叶片裂纹位置及深度识别方法，属于设备故障诊断领域。首先，通过测试系统获取故障叶片的基本振型位移参数(即位移值)。其次，选取合适的小波基和小波尺度对振型数据进行多尺度连续小波变换，得到小波变换系数图。可以从图中明显看出裂纹截面处小波系数为极大值，由此便可判定裂纹位置。最后，由各尺度裂纹处小波系数模极大值对数和尺度对数的线性关系得到有效拟合直线的斜率。有效拟合直线斜率与裂纹深度之间存在线性关系，由此实现裂纹深度的定量判定。本方法能够得到裂纹位置及深度的定量数据；本方法操作起来更加简单，且保证一定的准确率。
