公开(公告)号：CN109186964B

公开(公告)日：2019-12-17

申请号：CN201810849688.9

申请日：2018-07-28

Applicant: 华中科技大学

Inventor： 吴军 ,  郭鹏飞 ,  程一伟 ,  徐雪兵 ,  林漫曦

IPC: G01M13/00

Abstract: 本发明公开了一种基于角度重采样与ROC‑SVM的旋转机械故障诊断方法，属于机械设备故障诊断领域。该方法采用角度重采样技术消除转速波动；从时域和时频域维度进行特征值提取；运用ROC‑SVM实现旋转机械的特征选择与故障诊断。本发明使用角度重采样方法能够有效的消除转速波动引起的单位时间内振动信号采样点数变化，提高了后续提取特征值的品质；将时域和时频域特征结合起来，达到更加广泛的特征提取，得到足够多的振动信号信息；使用ROC‑SVM进行特征选择与故障诊断，选取最好的特征，防止不良特征降低故障分类器的效果；能够提高轴承故障诊断的准确性和有效性，能提高诊断速度，为解决轴承故障诊断问题提供了一种新思路。

公开(公告)号：CN109100143A

公开(公告)日：2018-12-28

申请号：CN201810738093.6

申请日：2018-07-06

Applicant: 华中科技大学

Inventor： 吴军 ,  林漫曦 ,  程一伟 ,  郭鹏飞 ,  徐雪兵 ,  鲁施雨

IPC: G01M13/04

Abstract: 本发明公开了一种基于CEEMDAN和CFSFDP的滚动轴承故障诊断方法及设备，属于旋转机械故障诊断领域。该方法通过获取正常状态和不同故障模式状态下轴承的振动信号得到不同状态的振动信号的样本点，利用CEEMDAN分解得到轴承诊断的时频域特征并与时域、频域特征一起筛选出轴承状态表征参数，将表征参数分为训练样本和测试样本，然后利用表CFSFDP算法作为轴承故障诊断模型，将训练样本输入轴承故障诊断模型中，对输出结果进行聚类，得到聚类的数量、各类别的聚类中心点以及聚类中心点对应的状态类型；并利用测试样本对训练后的诊断模型进行检验。本发明的方法及设备能够准确有效的识别不同的轴承故障类型及故障严重程度。

公开(公告)号：CN109186964A

公开(公告)日：2019-01-11

申请号：CN201810849688.9

申请日：2018-07-28

Applicant: 华中科技大学

Inventor： 吴军 ,  郭鹏飞 ,  程一伟 ,  徐雪兵 ,  林漫曦

IPC: G01M13/00

Abstract: 本发明公开了一种基于角度重采样与ROC-SVM的旋转机械故障诊断方法，属于机械设备故障诊断领域。该方法采用角度重采样技术消除转速波动；从时域和时频域维度进行特征值提取；运用ROC-SVM实现旋转机械的特征选择与故障诊断。本发明使用角度重采样方法能够有效的消除转速波动引起的单位时间内振动信号采样点数变化，提高了后续提取特征值的品质；将时域和时频域特征结合起来，达到更加广泛的特征提取，得到足够多的振动信号信息；使用ROC-SVM进行特征选择与故障诊断，选取最好的特征，防止不良特征降低故障分类器的效果；能够提高轴承故障诊断的准确性和有效性，能提高诊断速度，为解决轴承故障诊断问题提供了一种新思路。