公开(公告)号：CN108106830A

公开(公告)日：2018-06-01

申请号：CN201711346416.9

申请日：2017-12-13

申请人： 武汉科技大学 ,  科大集智数据科技(武汉)有限公司

发明人： 严保康 ,  周凤星 ,  李维刚 ,  宁博文 ,  徐波

IPC分类号： G01M13/00

摘要： 本发明提供一种基于时频谱分割的变速旋转机械故障诊断方法，包括如下步骤：步骤一，通过多分辨率广义S变换获取信号的归一化时频谱，生成多分辨率二值化时频谱，步骤二，将所有分辨率下的二值化时频谱进行融合，获得一个最优的二值化时频谱，步骤三，将最优的二值化时频谱分割成若干个连通域，并对每个连通域进行信息标注，步骤四，提取各连通域的最佳表示原子，构成最佳原子集合，计算故障信号在最佳原子集合下的表示，步骤五、计算冲击理论出现时间和幅值，通过信息比对实现变速机械设备的故障诊断。本发明滤除绝大部分的强背景噪声并且可以对变速旋转机械的裂纹、点蚀或剥落等冲击类故障进行快速、有效的故障诊断。

公开(公告)号：CN108106830B

公开(公告)日：2019-10-29

申请号：CN201711346416.9

申请日：2017-12-13

申请人： 武汉科技大学 ,  科大集智数据科技(武汉)有限公司

发明人： 严保康 ,  周凤星 ,  李维刚 ,  宁博文 ,  徐波

IPC分类号： G01M13/00

摘要： 本发明提供一种基于时频谱分割的变速旋转机械故障诊断方法，包括如下步骤：步骤一，通过多分辨率广义S变换获取信号的归一化时频谱，生成多分辨率二值化时频谱，步骤二，将所有分辨率下的二值化时频谱进行融合，获得一个最优的二值化时频谱，步骤三，将最优的二值化时频谱分割成若干个连通域，并对每个连通域进行信息标注，步骤四，提取各连通域的最佳表示原子，构成最佳原子集合，计算故障信号在最佳原子集合下的表示，步骤五、计算冲击理论出现时间和幅值，通过信息比对实现变速机械设备的故障诊断。本发明滤除绝大部分的强背景噪声并且可以对变速旋转机械的裂纹、点蚀或剥落等冲击类故障进行快速、有效的故障诊断。

公开(公告)号：CN107992843A

公开(公告)日：2018-05-04

申请号：CN201711337587.5

申请日：2017-12-13

申请人： 武汉科技大学 ,  科大集智数据科技(武汉)有限公司

发明人： 严保康 ,  周凤星 ,  李维刚 ,  赵云涛 ,  徐波

IPC分类号： G06K9/00

摘要： 本发明提供了一种旋转机械故障信号的稀疏特征提取方法，根据旋转机械冲击类故障的故障产生机理，构建故障过完备原子库；根据待观测信号的数学模型和故障过完备原子库，通过多分辨率广义S变换和归一化处理，计算出待分析信号的多分辨率时频谱；计算归一化多分辨率时频谱的最大值，结合正交匹配追踪算法，计算出一组最能稀疏表示待观测信号的原子集合；根据故障的稀疏表示信号及设备的故障特征频率和转速信息，确定故障类型，实现机械设备的快速故障诊断。其优点在于大幅度降低了原子搜索的复杂度和搜索时间，提高了稀疏分解的效率，同时提高了裂纹、点蚀或剥落等冲击类故障的故障诊断效率。

公开(公告)号：CN107992843B

公开(公告)日：2021-08-17

申请号：CN201711337587.5

申请日：2017-12-13

申请人： 武汉科技大学 ,  科大集智数据科技(武汉)有限公司

发明人： 严保康 ,  周凤星 ,  李维刚 ,  赵云涛 ,  徐波

IPC分类号： G06K9/00

摘要： 本发明提供了一种旋转机械故障信号的稀疏特征提取方法，根据旋转机械冲击类故障的故障产生机理，构建故障过完备原子库；根据待观测信号的数学模型和故障过完备原子库，通过多分辨率广义S变换和归一化处理，计算出待分析信号的多分辨率时频谱；计算归一化多分辨率时频谱的最大值，结合正交匹配追踪算法，计算出一组最能稀疏表示待观测信号的原子集合；根据故障的稀疏表示信号及设备的故障特征频率和转速信息，确定故障类型，实现机械设备的快速故障诊断。其优点在于大幅度降低了原子搜索的复杂度和搜索时间，提高了稀疏分解的效率，同时提高了裂纹、点蚀或剥落等冲击类故障的故障诊断效率。

公开(公告)号：CN108038553B

公开(公告)日：2021-08-17

申请号：CN201711328142.0

申请日：2017-12-13

申请人： 科大集智数据科技(武汉)有限公司 ,  武汉科技大学

发明人： 严保康 ,  李维刚 ,  赵云涛 ,  马建军

IPC分类号： G06Q10/00

摘要： 本发明提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，轧机设备状态在线监测与诊断系统包括：数据解析模块，伺服阀差值分析模块，电气传感器振荡分析模块，旋转部件振动信号分析模块，信息综合处理模块,故障报警模块，监控视图模块，通道管理模块，标准管理模块，以及故障反馈模块。本发明使得系统中的大量加密生产数据文件被解析出来，大幅度节省数据存储空间，有利于故障数据的追溯和基于大数据的深入分析；通过伺服阀、电气传感器、关键旋转部件的不同信号特征提取和分析，可以多维度地在线监测与诊断轧机设备状态；通过轧机设备状态在线监测与诊断系统，实现了轧制稳定性和产品质量指标控制精度的提升。

公开(公告)号：CN108038553A

公开(公告)日：2018-05-15

申请号：CN201711328142.0

申请日：2017-12-13

申请人： 科大集智数据科技(武汉)有限公司 ,  武汉科技大学

发明人： 严保康 ,  李维刚 ,  赵云涛 ,  马建军

IPC分类号： G06Q10/00

摘要： 本发明提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，轧机设备状态在线监测与诊断系统包括：数据解析模块，伺服阀差值分析模块，电气传感器振荡分析模块，旋转部件振动信号分析模块，信息综合处理模块,故障报警模块，监控视图模块，通道管理模块，标准管理模块，以及故障反馈模块。本发明使得系统中的大量加密生产数据文件被解析出来，大幅度节省数据存储空间，有利于故障数据的追溯和基于大数据的深入分析；通过伺服阀、电气传感器、关键旋转部件的不同信号特征提取和分析，可以多维度地在线监测与诊断轧机设备状态；通过轧机设备状态在线监测与诊断系统，实现了轧制稳定性和产品质量指标控制精度的提升。

公开(公告)号：CN117874596A

公开(公告)日：2024-04-12

申请号：CN202311706679.1

申请日：2023-12-11

申请人： 武汉科技大学

发明人： 张永 ,  尹晓宇 ,  周炜 ,  郑英 ,  严保康

IPC分类号： G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06F21/62

摘要： 本发明提供一种多任务学习和隐私保护的设备健康状态评估方法及系统，该方法包括：对第一客户端内的各样本设备的历史运行参数进行奇异值分解，得到时域特征和频域特征后进行特征重构以及突变检验，得到各样本设备的多任务标签；基于源域下的第一样本设备的多任务标签、时域特征和频域特征，构建源域训练集，基于目标域下的第二样本设备的多任务标签、时域特征和频域特征，构建目标域训练集；基于第一客户端内的源域训练集和目标域训练集，以及各第二客户端内的源域训练集和目标域训练集，进行对抗领域自适应的联邦学习训练，得到目标域多任务评估模型进行设备健康状态评估，实现在保护数据隐私的同时，提高设备的健康状态评估的精度。

公开(公告)号：CN117235481A

公开(公告)日：2023-12-15

申请号：CN202311188927.8

申请日：2023-09-13

申请人： 武汉科技大学

发明人： 严保康 ,  陈锦涛 ,  吕旭 ,  卢少武 ,  马娅婕 ,  周凤星 ,  但峰 ,  宁博文

IPC分类号： G06F18/2111 ,  G06F18/2115 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G01M13/045

摘要： 本发明公开了一种基于最优时频谱与CNN‑ALSTM网络的滚动轴承寿命预测方法，包括：步骤1，获取轴承全寿命周期的振动数据集X＝{x1,x2,…,xn}，以时频能量评价指标作为适应度函数，通过蛇群优化算法对广义S变换的调节因子p进行寻优，得到振动数据集中每组振动数据的最优时频谱；步骤2，根据步骤1依次得到每组振动数据对应的最优时频谱，生成轴承全寿命周期的最优时频谱数据集S＝{S1,S2,…,Sn}；步骤3，在CNN网络结构的卷积层后增加一层稠密卷积层，将自注意力机制加入到LSTM网络的第一层，建立CNN‑ALSTM网络；将最优时频谱数据集S送入CNN‑ALSTM网络中进行训练，得到轴承的剩余使用寿命预测模型。本发明可提高旋转机械轴承部件的预测精度，达到旋转机械设备剩余使用寿命的精准预测目的。

公开(公告)号：CN115146687B

公开(公告)日：2022-12-06

申请号：CN202211053891.8

申请日：2022-08-31

申请人： 武昌理工学院 ,  武汉科技大学

发明人： 李志千 ,  严保康 ,  阳震 ,  周凤星 ,  卢少武 ,  马娅婕

IPC分类号： G06K9/00 ,  G06N3/00 ,  G06N3/04

摘要： 本发明公开了一种基于二阶变尺度参数自匹配随机共振的故障特征提取方法，包括以下步骤：根据故障机理构建仿真信号，在不同信噪比的仿真信号样本中，训练出基于BP神经网络的综合评价指标CEI；根据采集的振动信号，采用粒子群优化算法，以CEI作为适应度函数，搜索使CEI最小时的最优阻尼因子和最优幅度尺度变换系数；根据搜索的最优值，计算双稳态势函数的参数a和b，构建相应的最优随机共振模型，计算出经过最优随机共振系统的输出信号；对输出信号进行傅里叶变换，提取故障频率特征。本发明可实现对机械设备的微弱故障特征提取和故障诊断，且提高了微弱故障的识别精度。

公开(公告)号：CN114531072A

公开(公告)日：2022-05-24

申请号：CN202210118979.7

申请日：2022-02-08

申请人： 武汉科技大学

发明人： 宁博文 ,  赵毅恒 ,  卢少武 ,  严保康 ,  刘江 ,  但峰 ,  马娅婕

IPC分类号： H02P21/13 ,  H02P21/22 ,  H02P21/34 ,  H02P21/00 ,  H02P25/024

摘要： 本发明公开了一种基于I/F起动的永磁同步电机无速度传感器切换方法，包括：根据永磁同步电机参数和负载，设置I/F起动的起动参数，包括给定的电流值以及机械角加速度；采用预定位方法找到电机初始位置，进行I/F起动；I/F起动到达切换设定速度后，切入电流调节的过渡过程；设计反馈调节器对电流进行调节，待电流调节减小并保持稳定后，切入基于反电动势速度观测器的转速电流双闭环控制。本发明在I/F起动中，加入了PI调节器和角度差调节器组成的反馈调节器，使电机在切换前的过渡过程中，对电流和角度差的关系进行自动调节，保证了切换前后电流和输入位置角的匹配，增加了系统的稳定性和可靠性。