-
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
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
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
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
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：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
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
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：CN114513425A
公开(公告)日：2022-05-17
申请号：CN202111385130.8
申请日：2021-11-22
申请人： 武汉科技大学
摘要： 本发明提供一种三维传感器网络中避免媒体访问冲突的拓扑构造方法，其特征在于：在三维传感器网络中，通过在水平方向上构建独立集，在垂直方向上将所述独立集的节点连接成连通支配树，以形成无访问冲突的数据转发路径，实现无冲突的数据传输。本发明具有能适应空间或水下三维传感器网络，能实现邻居节点间的无冲突媒体接入，也能实现从采样节点到汇聚节点的无冲突数据传输，提高媒体访问控制的效率的优点。
-
公开(公告)号：CN110784146B
公开(公告)日：2021-12-21
申请号：CN201910968531.2
申请日：2019-10-12
申请人： 武汉科技大学
IPC分类号： H02P21/18
摘要： 本发明涉及交流伺服控制系统技术领域，提供了一种基于预测补偿的交流伺服系统速度环参数自校正方法，包括S1，对交流伺服系统进行处理，处理包括进行初始化以及进行参数设置；S2，提取处理好后的交流伺服系统的电流与速度，并在线辨识速度环被控模型参数；S3，用未来估计速度与提取的实际速度之间的误差作为补偿，削弱被控模型在线辨识存在的收敛滞后，得到估计速度输出，并以估计速度代替实际速度作为系统反馈；S4，根据估计速度求取速度环最优控制率，并映射二自由度PI控制参数。本发明实现惯量和外部负载扰动大范围变化情况下交流伺服系统速度环控制参数自动校正，工程人员不需要根据手动设定和调节控制器参数，系统自动完成速度环参数自校正。
-
公开(公告)号：CN110849462A
公开(公告)日：2020-02-28
申请号：CN201911234345.2
申请日：2019-12-05
申请人： 武汉科技大学
IPC分类号： G01H1/12
摘要： 本发明公开了一种基于稀疏特征相似性的连轧机振动信号分离方法。该方法为:在连轧机的旋转部件敏感处表面一个或多个不同位置布置加速度传感器，采集各振源工作时的振动信号即观测信号；通过基于时频谱分割的稀疏特征提取方法，获取各路采集的振动信号在最佳原子集合下的稀疏表示；再通过结构相似性对所有稀疏表示提取的原子进行聚类，估算出振源的个数，并采用各聚类中心对应的原子更新稀疏表示结果；最后，通过新的稀疏表示结果对应的聚类系数，估算出混合矩阵，进而计算出各振源的独立信号，实现连轧机振动信号的分离。该方法可有效滤除连轧机在运行过程中的干扰噪声，提高稀疏特征提取的精度，能更精确地估算振源个数及混合矩阵。
-
公开(公告)号：CN109040969A
公开(公告)日：2018-12-18
申请号：CN201810907945.X
申请日：2018-08-10
申请人： 武汉科技大学
摘要： 本发明公开了一种室内环境下的智能机器人小车最佳采集点位置选择方法，包括：将环境信息全部已知的封闭空间中的地面结构进行栅格化处理，在待监测的各个栅格中心部署固定不动的传感器节点，通过传感器节点感知环境信息，通过智能机器人小车采集传感器节点获取到的环境信息；用图的概念描述具有障碍物的复杂室内环境中传感器节点的监测范围，将智能机器人小车最佳信息采集点位置选择问题映射为求解基数最小的集合覆盖问题，建立0‑1线性规划模型；利用近似算法求解最佳采集点位置选择模型，得到智能机器人小车最佳信息采集点的位置集合。本发明提高了智能机器人小车数据采集的效率，以最少的停靠点收集到环境中所有监测点的信息。
-
-
-
-
-
-
-
-
-
搜索结果
74 条记录 (耗时 0.044 秒)
