公开(公告)号：CN117235643A

公开(公告)日：2023-12-15

申请号：CN202311147203.9

申请日：2023-09-06

申请人： 南京林业大学 ,  苏州长城精工科技股份有限公司

发明人： 马晨波 ,  陆志杰 ,  孙见君 ,  鄢小安 ,  张玉言 ,  韩权 ,  王志良 ,  刘德利

IPC分类号： G06F18/2433 ,  G01M13/045 ,  G06F18/10 ,  G06N3/006 ,  G06N3/126 ,  G06N7/08

摘要： 本发明公开一种滚动轴承早期微弱故障诊断方法，包括如下步骤：采集故障轴承振动信号；基于一种融合多域指标的综合适应度函数指导改进的蜣螂优化算法自适应确定变分模态分解算法最优的分解层数和惩罚因子，并利用参数优化的变分模态分解算法将采集的故障轴承振动信号划分为一系列的模态分量；计算各模态分量的综合适应度函数值，选取具有最小综合适应度函数值的模态分量作为主故障特征模态分量；通过从主故障特征模态分量的增强包络谱中提取出故障特征频率，实现滚动轴承早期微弱故障诊断。本发明克服了现有的变分模态分解中参数难以选取的问题，能够从强噪声工作环境下提取出有用的周期性故障脉冲信息，实现滚动轴承早期微弱故障精确诊断。

公开(公告)号：CN118294144B

公开(公告)日：2024-08-13

申请号：CN202410717167.3

申请日：2024-06-04

申请人： 苏州长城精工科技股份有限公司 ,  南京林业大学

发明人： 张子恒 ,  马晨波 ,  刘德利 ,  沈忠明 ,  王志良 ,  孙见君 ,  张玉言 ,  韩权

IPC分类号： G01M13/045 ,  G01M13/04

摘要： 本申请涉及一种滚动轴承故障诊断方法。该方法包括：采集故障滚动轴承的振动信号；利用金豺优化算法GJO获取特征模态分解FMD的初始多参数组合，利用具有初始多参数组合的特征模态分解FMD将振动信号分解为多个模态分量，利用各模态分量的周期谐波能量比PHER指标作为金豺优化算法GJO的适应度函数使金豺优化算法GJO进行迭代并获取特征模态分解FMD优化后的多参数组合；利用具有优化后的多参数组合的特征模态分解FMD分解振动信号并获取优化后的多个模态分量；以PHER为筛选指标获取优化后的多个模态分量中具有最大PHER值的模态分量作为用于诊断的模态分量。本申请提供的方案，能够克服特征模态分解的多个参数都依赖人工经验设置的问题。

公开(公告)号：CN118464448A

公开(公告)日：2024-08-09

申请号：CN202410586925.2

申请日：2024-05-13

申请人： 南京林业大学 ,  苏州长城精工科技股份有限公司

发明人： 马晨波 ,  张子恒 ,  孙见君 ,  陆志杰 ,  张玉言 ,  韩权 ,  刘德利 ,  沈忠明 ,  王志良

IPC分类号： G01M13/04 ,  G01M13/045 ,  G06F18/15 ,  G06F18/2136 ,  G06F18/2131

摘要： 本发明公开一种强噪声干扰下的滚动轴承故障特征自适应提取方法，主要步骤为：输入采集的滚动轴承振动信号；利用基于1.5维平方包络谱峭度改进的自适应噪声完备集合经验模态分解将原信号分解为若干模态分量；计算各分量与原信号的相关系数；将相关性较高的模态分量进行重构；以双域基尼指数优化特征模态分解的输入参数，并对重构信号进行二次分解；根据平方包络谱峰值因子最大准则提取敏感模态分量；运用平方包络谐噪比引导的参数自适应稀疏最大谐波噪声比解卷积对敏感模态分量进行故障特征增强，进而进行Hilbert包络解调；从包络谱中提取滚动轴承故障特征信息，本发明克服了滚动轴承故障特征在强噪声干扰下难以准确自适应提取的问题。

公开(公告)号：CN117235643B

公开(公告)日：2024-03-22

申请号：CN202311147203.9

申请日：2023-09-06

申请人： 南京林业大学 ,  苏州长城精工科技股份有限公司

发明人： 马晨波 ,  陆志杰 ,  孙见君 ,  鄢小安 ,  张玉言 ,  韩权 ,  王志良 ,  刘德利

IPC分类号： G06F18/2433 ,  G01M13/045 ,  G06F18/10 ,  G06N3/006 ,  G06N3/126 ,  G06N7/08

摘要： 本发明公开一种滚动轴承早期微弱故障诊断方法，包括如下步骤：采集故障轴承振动信号；基于一种融合多域指标的综合适应度函数指导改进的蜣螂优化算法自适应确定变分模态分解算法最优的分解层数和惩罚因子，并利用参数优化的变分模态分解算法将采集的故障轴承振动信号划分为一系列的模态分量；计算各模态分量的综合适应度函数值，选取具有最小综合适应度函数值的模态分量作为主故障特征模态分量；通过从主故障特征模态分量的增强包络谱中提取出故障特征频率，实现滚动轴承早期微弱故障诊断。本发明克服了现有的变分模态分解中参数难以选取的问题，能够从强噪声工作环境下提取出有用的周期性故障脉冲信息，实现滚动轴承早期微弱故障精确诊断。

公开(公告)号：CN118294144A

公开(公告)日：2024-07-05

申请号：CN202410717167.3

申请日：2024-06-04

申请人： 苏州长城精工科技股份有限公司 ,  南京林业大学

发明人： 张子恒 ,  马晨波 ,  刘德利 ,  沈忠明 ,  王志良 ,  孙见君 ,  张玉言 ,  韩权

IPC分类号： G01M13/045 ,  G01M13/04

摘要： 本申请涉及一种滚动轴承故障诊断方法。该方法包括：采集故障滚动轴承的振动信号；利用金豺优化算法GJO获取特征模态分解FMD的初始多参数组合，利用具有初始多参数组合的特征模态分解FMD将振动信号分解为多个模态分量，利用各模态分量的周期谐波能量比PHER指标作为金豺优化算法GJO的适应度函数使金豺优化算法GJO进行迭代并获取特征模态分解FMD优化后的多参数组合；利用具有优化后的多参数组合的特征模态分解FMD分解振动信号并获取优化后的多个模态分量；以PHER为筛选指标获取优化后的多个模态分量中具有最大PHER值的模态分量作为用于诊断的模态分量。本申请提供的方案，能够克服特征模态分解的多个参数都依赖人工经验设置的问题。