公开(公告)号：CN112629862A

公开(公告)日：2021-04-09

申请号：CN202011219028.6

申请日：2020-11-04

Applicant: 南京工业大学 ,  南京工大数控科技有限公司

Inventor： 洪荣晶 ,  吴思懿

IPC: G01M13/045

Abstract: 本发明公开了一种双稳态随机共振及CEEMDAN‑TEO的滚动轴承微弱故障诊断方法，包括：步骤1：通过双稳态随机共振方法进行降噪并提高微弱信号特征；步骤2：通过CEEMDAN算法将该信号分解为有限个本征模态函数IMF；步骤3：对各IMF分量进行teager能量算子重构，识别故障频率。本发明运用双稳态随机共振的方法来提高微弱故障信号同时降噪，对以前的EMD、LMD等算法分解加以改进，用分解效果更好的CEEMDAN加以替代，以此能较好地解决端点效应和模态混叠。对分解得到的IMF分量再画出teager能量谱，冲击特性进一步强化，更容易别出微弱故障频率及存在的二次相位耦合现象。

公开(公告)号：CN114354195A

公开(公告)日：2022-04-15

申请号：CN202111665362.9

申请日：2021-12-31

Applicant: 南京工业大学

Inventor： 吴思懿 ,  洪荣晶

IPC: G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种深度域自适应卷积网络的滚动轴承故障诊断方法，包括以下步骤：准备多个工况下的数据集，选取其中一个工况下的数据作上标签作为源域数据，其他工况作为无标签的目标域数据；将目标域数据70％用于训练集和30％用于测试集，并将所述训练集与所述源域数据一起输入模型中进行训练；计算所述源域数据的分类损失、所述源域数据与所述目标域数据在一维卷积网络神经模型全连接层的MK‑MMD距离损失Wasserstein距离损失，利用上述三种损失进行网络结构和参数的优化调整，将所述源域数据与所述目标域数据对齐，得到训练好的网络。本发明提出的诊断方法能够对故障信息自动提取，提高特征利用率，减少建模时间。