-
公开(公告)号：CN113435453B
公开(公告)日：2023-04-07
申请号：CN202110656504.9
申请日：2021-06-11
Applicant: 西安交通大学
IPC: G06V10/20 , G06V10/28 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络的往复式压缩机故障诊断方法及系统，包括，对采集到的压缩机气缸内动态压力数据按照压缩机每个循环的工作过程进行预处理，得到压缩机每个工作循环的p‑V图；对压缩机每个工作循环的p‑V图进行处理，得到压缩机每个工作循环的二值数字图像；将压缩机每个工作循环的二值数字图像输入已训练好的卷积神经网络进行计算，得到卷积神经网络的输出；根据预设的卷积神经网络的输出和压缩机状态之间的映射关系，得到压缩机状态类型。本发明利用卷积神经网络直接对p‑V图图像进行故障诊断，与传统机器学习方法不同，无需人为设计诊断特征，降低了人为因素对诊断结果的影响，在传统机器学习分类器的基础上提高了诊断精度。
-
公开(公告)号：CN111810395B
公开(公告)日：2021-06-11
申请号：CN202010688800.2
申请日：2020-07-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于p—V图测试的往复式压缩机能效分析系统，该系统包括硬件模块和软件模块，硬件模块是指压力传感器、压力变送器、温度传感器、键相传感器、互感器、数据采集卡，软件模块包括数据显示、数据处理、数据存储，此系统能够实现往复式压缩机的流量、指示功率、电机功率、效率的实时测量和分析，从而反映往复式压缩机的运行状况。本发明的有益成果有：通过测量的各级气缸的p—V图能得到压缩机流量，不必在压缩机管道上安装流量计；通过测量的各级气缸的p—V图能够反映中间各级气量的变化、各级指示功及总指示功率；基于p—V图测试的压缩机能效分析系统能够完成数据的实时处理，提高了测量效率，而且技术简便易于实现。
-
公开(公告)号：CN109779894B
公开(公告)日：2020-01-10
申请号：CN201811643547.8
申请日：2018-12-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于神经网络算法的往复式压缩机故障诊断系统及方法，包括现场通讯模块、数据采集模块、基于神经网络的仿真模块、基于标准故障特征的专家系统模块、故障诊断主机及上位机。本发明利用神经网络算法，结合实测的压缩机系统状态参数，得到压缩机各工况下的仿真模型；通过改变系统参数模拟压缩机故障计算得到标准故障特征，压缩机出现运转异常后，通过和标准故障特征对比，可准确定位故障部位并给出排除方法；本发明诊断成功率较高，且不需高精度设备实时监测分析，降低了诊断成本。
-
公开(公告)号：CN109779894A
公开(公告)日：2019-05-21
申请号：CN201811643547.8
申请日：2018-12-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于神经网络算法的往复式压缩机故障诊断系统及方法，包括现场通讯模块、数据采集模块、基于神经网络的仿真模块、基于标准故障特征的专家系统模块、故障诊断主机及上位机。本发明利用神经网络算法，结合实测的压缩机系统状态参数，得到压缩机各工况下的仿真模型；通过改变系统参数模拟压缩机故障计算得到标准故障特征，压缩机出现运转异常后，通过和标准故障特征对比，可准确定位故障部位并给出排除方法；本发明诊断成功率较高，且不需高精度设备实时监测分析，降低了诊断成本。
-
公开(公告)号：CN114692449B
公开(公告)日：2023-09-22
申请号：CN202210290500.8
申请日：2022-03-23
Applicant: 西安交通大学
Abstract: 本发明一种基于测试的压缩机扭转振动分析优化方法，本方法采用有限元法修正集中参数模型进行初次扭转振动计算，然后用一次扭转振动测试结果即可精确修正集中参数模型来准确优化轴系扭转振动的方法，这种方法分步结合了三种方法各自的优点，形成了一种简单、计算快捷、精度可靠的方法，其工程实践性非常强，能极大的优化压缩机设备工作时的扭矩波动幅值，降低发生故障的可能，提高机械效率，降低压缩机振动。
-
Patent Agency Ranking
公开(公告)号：CN113435453A
公开(公告)日：2021-09-24
申请号：CN202110656504.9
申请日：2021-06-11
Applicant: 西安交通大学
Abstract: 本发明公开了基于卷积神经网络的往复式压缩机故障诊断方法及系统，包括，对采集到的压缩机气缸内动态压力数据按照压缩机每个循环的工作过程进行预处理，得到压缩机每个工作循环的p‑V图；对压缩机每个工作循环的p‑V图进行处理，得到压缩机每个工作循环的二值数字图像；将压缩机每个工作循环的二值数字图像输入已训练好的卷积神经网络进行计算，得到卷积神经网络的输出；根据预设的卷积神经网络的输出和压缩机状态之间的映射关系，得到压缩机状态类型。本发明利用卷积神经网络直接对p‑V图图像进行故障诊断，与传统机器学习方法不同，无需人为设计诊断特征，降低了人为因素对诊断结果的影响，在传统机器学习分类器的基础上提高了诊断精度。
-
公开(公告)号：CN111810395A
公开(公告)日：2020-10-23
申请号：CN202010688800.2
申请日：2020-07-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于p—V图测试的往复式压缩机能效分析系统，该系统包括硬件模块和软件模块，硬件模块是指压力传感器、压力变送器、温度传感器、键相传感器、互感器、数据采集卡，软件模块包括数据显示、数据处理、数据存储，此系统能够实现往复式压缩机的流量、指示功率、电机功率、效率的实时测量和分析，从而反映往复式压缩机的运行状况。本发明的有益成果有：通过测量的各级气缸的p—V图能得到压缩机流量，不必在压缩机管道上安装流量计；通过测量的各级气缸的p—V图能够反映中间各级气量的变化、各级指示功及总指示功率；基于p—V图测试的压缩机能效分析系统能够完成数据的实时处理，提高了测量效率，而且技术简便易于实现。
-
公开(公告)号：CN113723245B
公开(公告)日：2023-08-18
申请号：CN202110962044.2
申请日：2021-08-20
Applicant: 西安交通大学
IPC: G06F18/213 , G01M99/00
Abstract: 本发明公开了往复式压缩机运行状态监测方法、系统、设备及存储介质，其中方法包括：对采集到的压缩机振动信号进行预处理，得到压缩机每个运行周期的振动信号样本；根据采集到的压缩机气缸内动态压力和键相信号，得到压缩机每个运行周期的p‑V图；对每个振动信号样本进行特征提取，得到振动信号样本的特征；对每个运行周期的p‑V图进行特征提取，得到p‑V图特征；将压缩机同一运行周期的振动信号样本的特征和p‑V图特征合并到一起，得到压缩机该运行周期的特征向量；计算每个特征向量的马氏距离并与预设的马氏距离阈值进行比较，判断压缩机的运行状态。本发明在只利用正常样本的情况下、将几个特征相结合，能够准确、全面地判断往复式压缩机的运行状态是否为异常。
-
公开(公告)号：CN113435111B
公开(公告)日：2022-10-25
申请号：CN202110640499.2
申请日：2021-06-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种往复式压缩机故障诊断方法及系统，包括如下过程：对采集到的压缩机气缸内动态压力数据按照压缩机的每个工作过程进行分段预处理，得到每个工作过程的p‑V图；对每个工作过程的p‑V图进行特征提取，得到每个工作过程的特征；将每个工作过程的特征排列为综合特征向量；将综合特征向量输入已预训练好的神经网络进行处理，得到神经网络的输出；根据预设的神经网络的输出和压缩机状态之间的映射关系，得到压缩机状态类型。本发明利用压缩机的每个工作过程的p‑V图进行图像特征提取，能够根据提取的特征实现对往复式压缩机的故障诊断，本发明能够利用算法自动实现，可以大大降低在往复式压缩机故障诊断上的人力投入。
-
公开(公告)号：CN114692449A
公开(公告)日：2022-07-01
申请号：CN202210290500.8
申请日：2022-03-23
Applicant: 西安交通大学
Abstract: 本发明一种基于测试的压缩机扭转振动分析优化方法，本方法采用有限元法修正集中参数模型进行初次扭转振动计算，然后用一次扭转振动测试结果即可精确修正集中参数模型来准确优化轴系扭转振动的方法，这种方法分步结合了三种方法各自的优点，形成了一种简单、计算快捷、精度可靠的方法，其工程实践性非常强，能极大的优化压缩机设备工作时的扭矩波动幅值，降低发生故障的可能，提高机械效率，降低压缩机振动。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
