-
公开(公告)号：CN111175054B
公开(公告)日：2021-12-03
申请号：CN202010017901.7
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的航空发动机故障诊断方法，涉及航空发动机故障诊断技术领域。本发明的方法为将获取的数据样本集分为训练样本集和测试样本集；建立初始深度自编码神经网络；并对其进行预训练,得到深度自编码神经网络；根据深度自编码神经网络建立故障诊断模型；对故障诊断模型进行训练并微调，得到基于深度自编网络的航空发动机故障诊断模型，并将测试样本集输入到基于深度自编网络的航空发动机故障诊断模型中输出航空发动机的工作状态，其中故障诊断模型输出[1 0]则表示为健康状态，输出[0 1]则表示为故障状态。本方法可以更加快速、有效地诊断出航空发动机的故障，较大提高发动机的故障诊断准确率，提高工作效率。
-
公开(公告)号：CN116933059A
公开(公告)日：2023-10-24
申请号：CN202310971287.1
申请日：2023-08-03
申请人： 沈阳航空航天大学
IPC分类号： G06F18/213 , G06F17/18 , G06F18/2433 , G06F18/10 , G01M13/045
摘要： 本发明设计一种融合方差与1D‑LBP的故障识别方法，属于故障诊断技术领域；首先获取旋转机械原始振动信号，构建移动窗，计算依据原始信号所截取的移动窗内信号与窗内信号局部方差的差值，然后将差值二值化的结果转换为十进制，生成纹理信号；然后移动窗函数获取振动信号全部数据的局部纹理信号；最后基于谱分析方法，分析获取的局部纹理信号，提取其特征频率，并依据旋转机械故障特征频率计算公式实现对旋转机械故障特征信息的提取及故障类型的识别；本发明不仅使振动信号中的噪声分量得到了有效抑制，凸显了故障特征信息，同时将谱分析方法与1D‑LBP相结合，便于旋转机械故障的诊断与识别，具有极佳的工程应用价值。
-
公开(公告)号：CN116541677A
公开(公告)日：2023-08-04
申请号：CN202310541768.9
申请日：2023-05-15
申请人： 沈阳航空航天大学
IPC分类号： G06F18/20 , G06F18/213 , G01M13/00
摘要： 本发明设计一种应用于转静碰摩故障识别的裕度因子加权重构方法，属于故障诊断技术领域；首先获取转子试验器上的振动信号对其进行小波变换，计算小波变换后各细节与近似信号的裕度因子；其次，将各分量信号的裕度因子占所有分量信号裕度因子总和的权重作为权重系数，对相应的分量信号进行特征增强，获取特征增强后的分量信号；最后，根据特征增强后的分量信号，对信号进行加权重构，并基于加权重构后信号的自相关函数的频谱，对碰摩故障进行特征提取与故障识别；本发明能够在有效抑制噪声的同时，进一步凸显信号中的低频分量，实现对碰摩故障特征的有效增强以及故障的准确识别。
-
公开(公告)号：CN111241629B
公开(公告)日：2023-07-14
申请号：CN202010017890.2
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的飞机液压泵性能变化趋势智能预测方法，涉及航空航天预测技术领域。本发明首先获取飞机液压泵的回油流量性能表征参数形成初始参数集合；将性能表征参数分解为D个趋势项数据和D个细节项数据；然后将细节项数据归一化得到参数数据集合；建立细节项训练数据集，并构建细节项数据趋势预测模型；对细节项数据进行趋势预测得到细节项趋势预测结果；再建立ARIMA趋势项预测模型；对趋势项数据进行预测；最后将趋势项预测结果与细节项预测结果进行了叠加，得到飞机液压泵性能变化趋势预测结果。本方法使预测精确性和实时性都高于单一模型，能够实现对液压泵性能变化趋势的预测，有一定的工程实际意义。
-
公开(公告)号：CN111175054A
公开(公告)日：2020-05-19
申请号：CN202010017901.7
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的航空发动机故障诊断方法，涉及航空发动机故障诊断技术领域。本发明的方法为将获取的数据样本集分为训练样本集和测试样本集；建立初始深度自编码神经网络；并对其进行预训练,得到深度自编码神经网络；根据深度自编码神经网络建立故障诊断模型；对故障诊断模型进行训练并微调，得到基于深度自编网络的航空发动机故障诊断模型，并将测试样本集输入到基于深度自编网络的航空发动机故障诊断模型中输出航空发动机的工作状态，其中故障诊断模型输出[1 0]则表示为健康状态，输出[0 1]则表示为故障状态。本方法可以更加快速、有效地诊断出航空发动机的故障，较大提高发动机的故障诊断准确率，提高工作效率。
-
公开(公告)号：CN111241629A
公开(公告)日：2020-06-05
申请号：CN202010017890.2
申请日：2020-01-08
申请人： 沈阳航空航天大学
摘要： 本发明提供一种基于数据驱动的飞机液压泵性能变化趋势智能预测方法，涉及航空航天预测技术领域。本发明首先获取飞机液压泵的回油流量性能表征参数形成初始参数集合；将性能表征参数分解为D个趋势项数据和D个细节项数据；然后将细节项数据归一化得到参数数据集合；建立细节项训练数据集，并构建细节项数据趋势预测模型；对细节项数据进行趋势预测得到细节项趋势预测结果；再建立ARIMA趋势项预测模型；对趋势项数据进行预测；最后将趋势项预测结果与细节项预测结果进行了叠加，得到飞机液压泵性能变化趋势预测结果。本方法使预测精确性和实时性都高于单一模型，能够实现对液压泵性能变化趋势的预测，有一定的工程实际意义。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
