-
公开(公告)号：CN115688040A
公开(公告)日：2023-02-03
申请号：CN202211394339.5
申请日：2022-11-08
Applicant: 西安交通大学
IPC: G06F18/2433 , G06F18/214 , G06V10/80
Abstract: 本发明公开了一种机械设备故障诊断方法、装置、设备及可读存储介质，获取与待诊断机械设备相同或同类型机械设备在第一工况下的已知故障信息的多源频域信号，将第一工况下的已知故障信息的多源频域信号作为源域数据集；获取待诊断机械设备在第二工况下的未知故障信息的多源频域信号，将第二工况下的未知故障信息的多源频域信号作为目标域数据集；利用源域数据集和目标域数据集训练多源密集自适应对抗网络模型，得到机械设备故障诊断模型；将实时获取的待诊断机械设备在第二工况下的多源频域信号输入机械设备故障诊断模型，输出故障诊断结果。本发明能够在数据级融合和特征级融合中更好地利用机械设备多源信息。
-
公开(公告)号：CN113740055A
公开(公告)日：2021-12-03
申请号：CN202110797434.9
申请日：2021-07-14
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G01M13/045 , G06F17/15 , G06F17/16
Abstract: 本发明公开了一种齿轮箱复合故障成分分离诊断方法及装置，从齿轮箱主要部件轴承和齿轮的典型故障模式出发，结合卷积稀疏理论，提了多尺度复合正则化卷积稀疏分离诊断算法对线性混叠和耦合的复合故障进行分离。依据轴承和齿轮的故障动力学差异提出了多尺度卷积核的思想可以更好的实现与故障成分的匹配，针对复合故障信号中各成分的统计学差异提了复合正则化的稀疏模型，将模型的优化问题转化到频域实现了多尺度卷积核的融合求解，并运用交替方向乘子法中交替迭代的求解框架将频域优化问题分解为子问题交替迭代求解，实验验证了方法的可行性和有效性。实现了复合故障的有效分离和诊断，避免了高斯噪声和缓变谐波干扰。
-
公开(公告)号：CN115510906A
公开(公告)日：2022-12-23
申请号：CN202211182271.4
申请日：2022-09-27
Applicant: 西安交通大学
Abstract: 本发明公开了轴承健康状态的监测方法、装置、设备及可读存储介质，获取轴承在监测阶段的多源信息数据；基于训练好的轴承性能退化监测模型对所述监测阶段的多源信息数据进行处理，得到所述轴承在监测阶段的性能退化指标，所述训练好的轴承性能退化监测模型是利用所述轴承在初始运行阶段的多源信息数据训练对抗融合卷积自编码器得到的；根据所述轴承在监测阶段的性能退化指标与预先获取的所述轴承在初始运行阶段的性能退化指标的偏离程度，判断所述轴承的健康状态。本发明提高了轴承健康状态监测的准确性，实时监测轴承的健康状态。
-
公开(公告)号：CN113740064A
公开(公告)日：2021-12-03
申请号：CN202110853108.5
申请日：2021-07-27
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/15 , G06F30/20
Abstract: 本发明公开了滚动轴承故障类型诊断方法、装置、设备及可读存储介质，包括：获取滚动轴承振动信号；将所述滚动轴承振动信号转化为频谱；将所述频谱输入预先构建的混合智能诊断模型中，输出滚动轴承故障类型诊断结果。本发明更能适应实际工业中故障数据稀少的应用环境。
-
公开(公告)号：CN115219198B
公开(公告)日：2025-03-04
申请号：CN202210810548.7
申请日：2022-07-11
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/17 , G06F17/18 , G06N3/048
Abstract: 本发明公开了一种时变工况下的轴承运行健康监测方法、装置及设备，将当前时刻的振动信号均方根值和当前时刻的转速输入轴承混合系统响应模型中，根据过程噪声方差、观测噪声方差以及对偶扩展卡尔曼滤波算法计算下一时刻的振动信号均方根值和下一时刻的神经网络参数；计算当前时刻的神经网络参数和下一时刻的神经网络参数的欧式距离，并结合异常值检测准则对待监测轴承进行故障检测，根据特征降维方法对每一时刻的神经网络参数进行主成分分析，并取第一阶主成分作为表征待监测轴承发生故障后的实时退化过程，实现轴承运行健康监测。本发明能够实现对时变工况下的轴承运行健康状态进行监测。
-
Patent Agency Ranking
公开(公告)号：CN118395148A
公开(公告)日：2024-07-26
申请号：CN202410531721.9
申请日：2024-04-29
Applicant: 西安交通大学
IPC: G06F18/2113 , G06F18/2135 , G06F18/214 , G06F18/23213 , G06F18/2337 , G06F18/2411 , G06F18/2433 , G06F18/25 , G06N20/10 , G01M13/045
Abstract: 本发明公开了一种旋转机械性能退化评估方法、装置、设备及可读存储介质，包括：实时获取旋转机械的振动信号，对所述振动信号构造由时域、频域和时频域组成的第一混合域高维特征集；从所述第一混合域高维特征集中筛选出单调性、趋势性以及鲁棒性均符合指标的特征，形成第二混合域高维特征集；对所述第二混合域高维特征集进行特征融合，得到振动信号的一维退化指标；利用训练好的性能退化评估模型对所述一维退化指标进行评估，得到旋转机械为健康状态或不健康状态；对不健康状态开始时刻以后的一维退化指标进行聚类，得到旋转机械故障程度。本发明的目的在于解决传统指标对退化信息不敏感，鲁棒性差及传统模型自适应性差，准确性低的问题。
-
公开(公告)号：CN113740064B
公开(公告)日：2023-03-31
申请号：CN202110853108.5
申请日：2021-07-27
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/15 , G06F30/20
Abstract: 本发明公开了滚动轴承故障类型诊断方法、装置、设备及可读存储介质，包括：获取滚动轴承振动信号；将所述滚动轴承振动信号转化为频谱；将所述频谱输入预先构建的混合智能诊断模型中，输出滚动轴承故障类型诊断结果。本发明更能适应实际工业中故障数据稀少的应用环境。
-
公开(公告)号：CN113740055B
公开(公告)日：2022-08-09
申请号：CN202110797434.9
申请日：2021-07-14
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G01M13/045 , G06F17/15 , G06F17/16
Abstract: 本发明公开了一种齿轮箱复合故障成分分离诊断方法及装置，从齿轮箱主要部件轴承和齿轮的典型故障模式出发，结合卷积稀疏理论，提了多尺度复合正则化卷积稀疏分离诊断算法对线性混叠和耦合的复合故障进行分离。依据轴承和齿轮的故障动力学差异提出了多尺度卷积核的思想可以更好的实现与故障成分的匹配，针对复合故障信号中各成分的统计学差异提了复合正则化的稀疏模型，将模型的优化问题转化到频域实现了多尺度卷积核的融合求解，并运用交替方向乘子法中交替迭代的求解框架将频域优化问题分解为子问题交替迭代求解，实验验证了方法的可行性和有效性。实现了复合故障的有效分离和诊断，避免了高斯噪声和缓变谐波干扰。
-
公开(公告)号：CN116028844A
公开(公告)日：2023-04-28
申请号：CN202211614590.8
申请日：2022-12-13
Applicant: 西安交通大学
IPC: G06F18/24 , G01M13/045 , G06F18/213 , G06F18/15 , G06F17/13 , G06F17/15 , G06N3/006
Abstract: 本发明公开了一种滚动轴承微弱故障增强诊断方法、装置、设备及存储介质，采用改进的微分搜索算法，并以最小平均平方包络熵作为优化目标函数，对滚动轴承加速度振动信号进行变分模态分解，得到变分模态分解的最优分解层数和最优二次惩罚因子；将滚动轴承加速度振动信号、最优分解层数和最优二次惩罚因子代入变分模态分解参数中，得到滚动轴承加速度振动信号分解后的各固有模态分量；通过相关峭度选取各固有模态分量中的最优分量，根据最优分量生成重构信号；将重构信号输入利用改进的微分搜索算法优化后的随机共振模型中，输出增强后的滚动轴承加速度振动信号，对增强后的滚动轴承加速度振动信号执行包络谱。本发明能更好的进行微弱故障特征识别。
-
公开(公告)号：CN115326396A
公开(公告)日：2022-11-11
申请号：CN202110513314.1
申请日：2021-05-11
Applicant: 国投生物科技投资有限公司 , 西安交通大学 , 国投生物能源(铁岭)有限公司
IPC: G01M13/045 , G06N20/00
Abstract: 本发明实施例提供一种轴承故障的诊断方法及装置，包括：获取轴承的振动信号为原始信号；根据原始信号构建相空间矩阵；对相空间矩阵进行字典学习处理，获取该字典中的每个原子的功率谱估计；根据每个原子的功率谱估计构建稀疏频率响应谱模型，通过该模型获取中心频响函数；根据中心频响函数对原始信号进行滤波，得到滤波重构信号；获取该滤波重构信号的希尔伯特包络频谱，根据该包络频谱诊断轴承的故障类型。实现了微弱轴承故障诊断，具有辨识鲁棒性，实现在强干扰条件下轴承故障的早发现、故障特征提取与故障类型辨识。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.034 seconds)
