-
公开(公告)号：CN115290317B
公开(公告)日：2025-01-28
申请号：CN202210730852.0
申请日：2022-06-24
Applicant: 西南交通大学 , 重庆科技学院 , 重庆奔腾科技发展有限公司
IPC: G01M13/02 , G01M13/028 , G01M13/021 , G01M13/04 , G06F18/24 , G06F18/213 , G06F18/2411 , G06F18/25 , G06N3/0499
Abstract: 本发明涉及基于多源信息融合的工业机器人减速器健康状态评估方法，属于工业机器人技术领域，首先通过不同类型的传感器采集减速器运行中的各类信号，然后提取各类信号的时频特征，再将时频特征集作为BP神经网络和SVM的训练样本，分别对各类信号的特征集进行诊断，得出每个传感器对每一种的故障的识别率。利用D‑S证据理论对各类信号局部诊断结果进行多源信号融合，分别得到基于多源信号BP神经网络和SVM的融合的诊断结果。最后，基于BP神经网络和SVM各自获得的多源信号融合的分类结果，再采用D‑S证据理论对BP神经网络和SVM获取的故障全局诊断结果进行决策，得到最终的诊断结果，本发明基于D‑S决策层的融合，使得诊断结果准确率和可信度显著提高。
-
公开(公告)号：CN113702037B
公开(公告)日：2022-10-28
申请号：CN202110797227.3
申请日：2021-07-14
Applicant: 西南交通大学
IPC: G01M13/04
Abstract: 本发明公开了基于子带重排与集合双树复小波包变换的重加权谱峭度方法，涉及信号处理和机械故障诊断技术领域，包括以下步骤：S1，使用指定分解层数的DTCWPT分解输入信号，将输入信号分解为指定分解层数的多层信号，每层信号包括多个小波分支；S2，重构最后一层的每个小波分支，得到与小波分支数量相等并与原始信号长度相同的重构子带；S3，对重构子带进行重新排序，得到重排后的重构子带对重排后的重构子带进行集合来得到更多节点ERSs；S4，将节点和的重加权峭度表示在(f,Δf)平面上得到重加权谱峭度图；S5，从重加权谱峭度图中选择最大重加权峭度对应的节点，然后对所选节点进行包络分析，最后根据包络分析结果对轴承故障进行准确诊断。
-
公开(公告)号：CN114528525A
公开(公告)日：2022-05-24
申请号：CN202210028718.6
申请日：2022-01-11
Applicant: 西南交通大学
IPC: G06F17/15 , G06F17/18 , G06F17/11 , G01M13/028 , G01M13/021
Abstract: 本发明涉及基于最大重加权峭度盲解卷积的机械故障诊断方法，属于风电机组故障诊断技术领域，提出一种新的盲解卷积方法，即最大重加权峭度盲解卷积。重加权峭度对故障信号中单个或少量强冲击干扰具有很好的鲁棒性，且无需待恢复故障冲击序列先验知识。基于此，最大重加权峭度盲解卷积方法能有效解决经典基于峭度最大化方法倾向于恢复单个主导冲击而非齿轮故障冲击序列的问题，同时相较于常见非全“盲”(依赖故障特征频率先验)方法在工业装备齿轮故障诊断方面具有更强的适用性。并且在风电涡轮机故障诊断中的应用案例证实所提方法对于齿轮故障诊断的有效性。
-
公开(公告)号：CN113702037A
公开(公告)日：2021-11-26
申请号：CN202110797227.3
申请日：2021-07-14
Applicant: 西南交通大学
IPC: G01M13/04
Abstract: 本发明公开了基于子带重排与集合双树复小波包变换的重加权谱峭度方法，涉及信号处理和机械故障诊断技术领域，包括以下步骤：S1，使用指定分解层数的DTCWPT分解输入信号，将输入信号分解为指定分解层数的多层信号，每层信号包括多个小波分支；S2，重构最后一层的每个小波分支，得到与小波分支数量相等并与原始信号长度相同的重构子带；S3，对重构子带进行重新排序，得到重排后的重构子带对重排后的重构子带进行集合来得到更多节点ERSs；S4，将节点和的重加权峭度表示在(f,Δf)平面上得到重加权谱峭度图；S5，从重加权谱峭度图中选择最大重加权峭度对应的节点，然后对所选节点进行包络分析，最后根据包络分析结果对轴承故障进行准确诊断。
-
公开(公告)号：CN114548150B
公开(公告)日：2023-04-28
申请号：CN202210027989.X
申请日：2022-01-11
Applicant: 西南交通大学
IPC: G06F18/10 , G06F18/24 , G01M13/028
Abstract: 本发明涉及一种基于参数自适应增强MED的传动系统故障诊断方法，属于传动系统故障诊断技术领域，设计了一种非线性变换，在MED滤波系数迭代求解过程中融入此非线性变换，以此抑制滤波信号中的少量主导冲击及较小幅值噪声，从而增强周期性故障冲击序列，使滤波器估计更加准确有效。提出了一种根据待分析信号本身自适应获得最优滤波参数的参数自适应策略，解决了MED等传统解卷积方法依赖经验指定滤波器参数的问题，因此，所提方法是不需要准确故障频率的自适应盲解卷积方法。
-
Patent Agency Ranking
公开(公告)号：CN114528525B
公开(公告)日：2023-03-28
申请号：CN202210028718.6
申请日：2022-01-11
Applicant: 西南交通大学
IPC: G06F17/15 , G06F17/18 , G06F17/11 , G01M13/028 , G01M13/021
Abstract: 本发明涉及基于最大重加权峭度盲解卷积的机械故障诊断方法，属于风电机组故障诊断技术领域，提出一种新的盲解卷积方法，即最大重加权峭度盲解卷积。重加权峭度对故障信号中单个或少量强冲击干扰具有很好的鲁棒性，且无需待恢复故障冲击序列先验知识。基于此，最大重加权峭度盲解卷积方法能有效解决经典基于峭度最大化方法倾向于恢复单个主导冲击而非齿轮故障冲击序列的问题，同时相较于常见非全“盲”(依赖故障特征频率先验)方法在工业装备齿轮故障诊断方面具有更强的适用性。并且在风电涡轮机故障诊断中的应用案例证实所提方法对于齿轮故障诊断的有效性。
-
公开(公告)号：CN113368312B
公开(公告)日：2022-09-13
申请号：CN202110637701.6
申请日：2021-06-08
Applicant: 西南交通大学
IPC: A61L27/60 , A61L27/52 , A61L27/54 , A61L27/58 , A61L27/50 , A61L27/16 , A61L24/06 , A61L24/00 , C08F299/02
Abstract: 一种可生物降解自粘附水凝胶制备方法及应用，涉及生物材料技术领域。步骤包括：先将天然高分子溶解在磷酸盐缓冲液(PH＝7.4)中，通过甲基丙烯酸酐修饰、透析、冻干得到甲基丙烯酸酐化天然高分子；其次将含酚羟基的天然化合物溶解在纯水中，加入碱性溶液调节溶液至碱性，搅拌反应一段时间得到含酚羟基的天然化合物预聚液；最后将甲基丙烯酸酐化天然高分子溶解在纯水中，待完全溶解得到甲基丙烯酸酐化天然高分子溶液，并加入含酚羟基天然化合物预聚液，通过自由基聚合得到可降解的自粘附水凝胶。本发明可自粘附在组织表面，起到止血、伤口闭合、细胞恢复的作用，具有良好的生物相容性降解性；适用于多种湿润软组织表面的粘附及皮肤损伤，肌肉损伤，神经损伤，心肌损伤等多种组织的修复。
-
公开(公告)号：CN114492539A
公开(公告)日：2022-05-13
申请号：CN202210154702.X
申请日：2022-02-21
Applicant: 西南交通大学
Abstract: 本申请提供一种轴承的故障检测方法、装置、电子设备及存储介质，所述方法包括：通过对待检测轴承的振动信号进行时频分析，得到时频矩阵，所述时频矩阵用于表征所述轴承振动信号在各时刻的幅值和频率；根据所述时频矩阵，生成参考脊线；根据参考脊线，构建自适应损失函数，并根据自适应损失函数生成时频矩阵的第一目标脊线；根据第一目标脊线，生成至少一条第二目标脊线；根据第一目标脊线以及至少一条第二目标脊线，确定待检测轴承是否存在故障。通过构建自适应函数，使提取的目标时频脊线根据信号的瞬时特征而自适应变化，从而可以实现时频脊线的准确提取。
-
公开(公告)号：CN113702042A
公开(公告)日：2021-11-26
申请号：CN202110797214.6
申请日：2021-07-14
Applicant: 西南交通大学
IPC: G01M13/045 , G06F17/15
Abstract: 本发明公开了基于一种增强最小熵解卷积的机械故障诊断方法及系统，涉及信号处理与机械故障诊断技术领域，包括以下步骤：S1，输入测量信号，随机初始化滤波器系数；S2，求解滤波信号；S3，对滤波信号进行无偏自相关变换，并将变换后的信号作为新的滤波信号；S4，计算滤波信号的峭度；S5，更新滤波器系数，获得新的滤波器；S6，重复步骤S2‑S5，使得滤波信号峭度达到最大；S7，选择滤波信号峭度达到最大时对应的滤波器作为最优滤波器，对应的经无偏自相关变换后的信号作为最终滤波信号；S8，对滤波信号进行时域分析和包络分析，并根据分析结果诊断轴承故障。
-
公开(公告)号：CN113702030A
公开(公告)日：2021-11-26
申请号：CN202110803518.9
申请日：2021-07-14
Applicant: 西南交通大学
IPC: G01M13/021 , G01M13/028 , G06F17/15
Abstract: 本发明公开了基于最大平均窗峭度盲解卷积的机械故障诊断方法及系统，涉及机械故障诊断技术领域，包括以下步骤：S1，输入测量信号，随机初始化滤波器系数；S2，求解滤波信号；S3，对滤波信号进行加窗实现信号均等分割，求得每段滤波信号的峭度，并求其平均值得到该滤波信号的平均窗峭度；S4，更新滤波器系数，获得新的滤波器；S5，重复步骤S2‑S4，使得滤波信号的平均窗峭度达到最大；S6，选择滤波信号的平均窗峭度达到最大时对应的滤波器作为最优滤波器；S7，对滤波信号进行时域分析，据此准确诊断齿轮故障。通过此种设计解决最小熵解卷积因主导冲击干扰造成峭度过大而无法有效恢复周期性故障冲击的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
