公开(公告)号：CN111046790A

公开(公告)日：2020-04-21

申请号：CN201911262543.X

申请日：2019-12-11

申请人： 江苏大学镇江流体工程装备技术研究院 ,  江苏大学

发明人： 李志国 ,  王秀礼 ,  朱荣生 ,  付强 ,  赵媛媛 ,  将夏飞 ,  高鹏涛 ,  谢亚杰

IPC分类号： G06K9/00 ,  G06K9/62 ,  G01M13/045

摘要： 本发明提出一种泵轴承故障诊断的方法，通过信号检测模块对振动信号进行采集,通过调理电路消除高频干扰；将得到的数据进行归一化处理，采用固有时间尺度分解方法对泵机组故障信号进行分解，一次分解得到一个基线信号和一个固有旋转分量,提取多个固有旋转分量的RMS作为特征值组成该旋转频率下的故障特征数据组；在轴承不同故障下重复上述操作得到故障样本数据集X；将数据集X作为LIB-SVM的输入，构建故障分类模型对轴承故障信号进行模式识别；建立轴承故障数据库。本发明通过分析电机电流电压信号的此种方法，具有操作方便，安装灵活以及稳定性好的特点。

公开(公告)号：CN112304611A

公开(公告)日：2021-02-02

申请号：CN202010962681.5

申请日：2020-09-14

申请人： 江苏大学

发明人： 王秀礼 ,  李志国 ,  徐伟 ,  林彬 ,  高鹏涛 ,  将夏飞

IPC分类号： G01M13/045 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于深度学习的轴承故障的诊断方法，包括如下步骤：采集不同故障类型的轴承的振动信号，利用小波消噪对振动信号进行滤波得；对滤波后的信号进行S变换，得到第j故障类型的时频谱图，将不同故障类型的时频谱图组成样本数据集T，样本数据集T和不同故障类型j作为分类模型的输入，训练得到轴承故障识别模型；将振动信号的时频谱图输入轴承故障识别模型进行故障识别。本发明通过CNN深度学习模型对轴承的故障特征进行分类的学习，直接实现数据端到端的诊断，不需要人为对故障特征进行选择。