-
公开(公告)号：CN106289774B
公开(公告)日：2019-03-22
申请号：CN201610600022.0
申请日：2016-07-26
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种滚动轴承故障识别与趋势预测方法，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；运用EMD将原始信号分解为有限个IMF分量；根据相关分析选择典型的IMF分量，并将这些分量进行求和，得到重组信号；运用FK算法对重组信号进行处理，自动获取用于包络分析的最佳中心频率和带宽，提取故障特征频率，从而实现故障类型识别；选择与原始信号相关系数最大的IMF分量的能量百分比作为故障程度评估指标。该方法简单有效，可大大提高信噪比，有助于准确识别故障类型，故障程度评估指标选取合理，可有效反映故障发展趋势，对轴承状态监测和故障评估有很大的实用价值。
-
公开(公告)号：CN106289774A
公开(公告)日：2017-01-04
申请号：CN201610600022.0
申请日：2016-07-26
Applicant: 北京工业大学
IPC: G01M13/04
CPC classification number: G01M13/04
Abstract: 本发明公开了一种滚动轴承故障识别与趋势预测方法，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；运用EMD将原始信号分解为有限个IMF分量；根据相关分析选择典型的IMF分量，并将这些分量进行求和，得到重组信号；运用FK算法对重组信号进行处理，自动获取用于包络分析的最佳中心频率和带宽，提取故障特征频率，从而实现故障类型识别；选择与原始信号相关系数最大的IMF分量的能量百分比作为故障程度评估指标。该方法简单有效，可大大提高信噪比，有助于准确识别故障类型，故障程度评估指标选取合理，可有效反映故障发展趋势，对轴承状态监测和故障评估有很大的实用价值。
-
公开(公告)号：CN105866250A
公开(公告)日：2016-08-17
申请号：CN201610154436.5
申请日：2016-03-17
Applicant: 北京工业大学
CPC classification number: G01N29/12 , G01N29/4427 , G01N29/4454 , G01N2291/0289 , G01N2291/2693
Abstract: 基于振动的通风机叶片裂纹识别方法，属于设备故障诊断领域。首先测量出叶片振动的全局响应，裂纹的位置和大小的确定，确定裂纹的位置后确定裂纹的大小；利用得到的全局响应确定裂纹的位置参数；确定了裂纹位置之后，将全局响应分解为两个局部响应。根据局部响应固有频率的差值，即固有频率的相对变化量来识别裂纹的严重程度；如果两个频率值相等，说明叶片不存在裂纹故障；如果两个频率值大小不等，说明叶片裂纹存在；并且如果相对变化量比较大，则说明产生的裂纹比较严重；反之则说明产生的裂纹较小。本发明建立了一个相似度判据来衡量损伤发生的位置；与其他已有方法对比，本发明识别裂纹的方法简单、快捷、可靠、易行。
-
公开(公告)号：CN105976021A
公开(公告)日：2016-09-28
申请号：CN201610350471.4
申请日：2016-05-24
Applicant: 北京工业大学
CPC classification number: G06N3/0427 , G01M13/00 , G01M13/045 , G06K9/0051 , G06K9/00536
Abstract: 本发明公开了一种带式输送机滚筒组件故障诊断方法，其针对滚筒体故障和轴承组件故障采用特征频率分析与神经网络方法进行故障诊断。首先利用振动传感器采集滚筒组件不同故障状况下的振动信号，再用EMD阈值方法对振动信号进行降噪处理，提取降噪信号的频域参量进行故障特征频率分析以判断轴承组件健康状况，另外提取时域参数构成特征向量作为神经网络系统的输入参量，由神经网络专家系统利用训练样本进行仿真训练，得到一套规则形成神经网络专家系统诊断机制，并根据诊断机制，基于提取的特征向量进行滚筒体故障诊断。所述方法能够实现对滚筒组件故障的诊断，有效提高滚筒组件故障诊断的效率。
-
Patent Agency Ranking
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：CN105866250B
公开(公告)日：2018-12-18
申请号：CN201610154436.5
申请日：2016-03-17
Applicant: 北京工业大学
Abstract: 基于振动的通风机叶片裂纹识别方法，属于设备故障诊断领域。首先测量出叶片振动的全局响应，裂纹的位置和大小的确定，确定裂纹的位置后确定裂纹的大小；利用得到的全局响应确定裂纹的位置参数；确定了裂纹位置之后，将全局响应分解为两个局部响应。根据局部响应固有频率的差值，即固有频率的相对变化量来识别裂纹的严重程度；如果两个频率值相等，说明叶片不存在裂纹故障；如果两个频率值大小不等，说明叶片裂纹存在；并且如果相对变化量比较大，则说明产生的裂纹比较严重；反之则说明产生的裂纹较小。本发明建立了一个相似度判据来衡量损伤发生的位置；与其他已有方法对比，本发明识别裂纹的方法简单、快捷、可靠、易行。
-
公开(公告)号：CN106153340A
公开(公告)日：2016-11-23
申请号：CN201610500024.2
申请日：2016-06-29
Applicant: 北京工业大学
IPC: G01M13/04
CPC classification number: G01M13/045
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：CN105976021B
公开(公告)日：2018-10-19
申请号：CN201610350471.4
申请日：2016-05-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种带式输送机滚筒组件故障诊断方法，其针对滚筒体故障和轴承组件故障采用特征频率分析与神经网络方法进行故障诊断。首先利用振动传感器采集滚筒组件不同故障状况下的振动信号，再用EMD阈值方法对振动信号进行降噪处理，提取降噪信号的频域参量进行故障特征频率分析以判断轴承组件健康状况，另外提取时域参数构成特征向量作为神经网络系统的输入参量，由神经网络专家系统利用训练样本进行仿真训练，得到一套规则形成神经网络专家系统诊断机制，并根据诊断机制，基于提取的特征向量进行滚筒体故障诊断。所述方法能够实现对滚筒组件故障的诊断，有效提高滚筒组件故障诊断的效率。
-
公开(公告)号：CN106769660A
公开(公告)日：2017-05-31
申请号：CN201610987446.7
申请日：2016-11-09
Applicant: 北京工业大学
IPC: G01N11/00
CPC classification number: G01N11/00
Abstract: 一种流变性在线分析系统，该线分析系统包括数据采集系统、上位机分析与控制系统和挤出机控制系统，数据采集系统的构建基于数据采集卡实现；数据采集系统包括数据采集卡、传感器接口电路、A/D转换模块、滤波模块、放大模块，挤出机控制系统分别与数字式传感器和模拟式传感器连接，数字式传感器与传感器接口电路连接，数据采集卡与上位机分析与控制系统、挤出机控制系统连接。运用流变性在线分析的方法，与常规流变性分析不同，在线流变性分析可以分析物料在有压的生产过程中的流变性变化，不仅检测的变量丰富、成本低、速度快、准确度高，而且分析结果可靠，更加贴近工况，同时，节约了空间从而降低经济损失，经济效益与社会效益巨大。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
