-
公开(公告)号：CN116467611A
公开(公告)日：2023-07-21
申请号：CN202310415245.X
申请日：2023-04-18
申请人： 长安大学
IPC分类号： G06F18/2321 , G06F18/213 , G06F18/22 , G06F18/241 , G01M13/00
摘要： 本发明公开一种基于随机子空间的密集模态参数提取方法及系统，该方法包括以下步骤：采集研究对象的振动响应数据，再对数据进行处理；根据所采集振动响应数据，用SSI‑COV算法进行模态参数识别；针对不同螺栓连接结构状态，识别各个螺栓连接结构的状态下的模态参数，用层次聚类算法对所有模态进行聚类，得到稳态图以识别真实物理模态；将各个螺栓连接结构的连接状态下识别出的真实物理模态归类，计算各个真实物理模态下的阻尼比离散度指标；得到随着螺栓连接结构状态的变化模态参数的变化规律。
-
公开(公告)号：CN108444708B
公开(公告)日：2021-02-12
申请号：CN201810339956.2
申请日：2018-04-16
申请人： 长安大学
IPC分类号： G01M13/045
摘要： 本发明涉及一种基于卷积神经网络的滚动轴承智能诊断模型的建立方法的设计方法，首先，将一维的振动信号映射成二维图像信息，将二维图像数据用于训练网络模型；其次，对应用过程中卷积神经网络的结构参数进行分析，选择较优的网络参数，得到对机械故障分类能力较强的卷积神经网络结构；实现了对不同负载不同转速复杂工况下的机械故障的准确识别与分类；卷积神经网络模型通过建立多层网络大大提高了神经网络的特征提取能力，克服了以往需要人工对大量信号处理技术的掌握以及对诊断经验的依赖，能够直接在原始的时域信号中通过学习的方式获取故障特征，从而做出诊断，实现在每小时TB级数据量的情况下故障特征的自适应提取与健康状况的智能诊断。
-
公开(公告)号：CN109458960A
公开(公告)日：2019-03-12
申请号：CN201811550956.3
申请日：2018-12-18
申请人： 长安大学
IPC分类号： G01B15/00
摘要： 本发明公开了一种基于信号相关性测定螺栓伸长量的装置及测量方法，包括底座，底座上表面设置有轨道，底座上方设置有一组间距可变的钳口，钳口的内侧下方均设置有加速度传感器，两个加速度传感器之间还设置有一激振器，钳口内侧均设置有钳口板；底座轴线上开设有一通孔，底座上开设有矩形通孔槽，通孔内设置有丝杠，丝杠上设置有丝杠螺母，丝杠螺母在通孔槽内往复移动，丝杠螺母与其中一个钳口固定连接；加速度传感器和激振器均连接上位机，上位机连接电脑，有效降低测量螺栓伸长量时人工操作带来的误差，提高测量精度的同时提升测量效率，便于在工程中计算和使用，且在已知螺栓具体参数的情况下可计算所测螺栓的预紧力、扭矩、负载力。
-
公开(公告)号：CN117272784A
公开(公告)日：2023-12-22
申请号：CN202311029321.X
申请日：2023-08-15
申请人： 长安大学
IPC分类号： G06F30/27 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/0499 , G06N3/082 , G06N3/088 , G06F119/04
摘要： 本发明涉及一种基于无监督学习的滚动轴承剩余使用寿命预测方法及系统，首先对收集到的滚动轴承振动数据进行预处理，随后将处理后的数据输入混合模型中对滚动轴承的剩余使用寿命进行预测，混合模型由灰度模型和基于多头注意力机制的门控循环单元神经网络组成，当模型输入短时间序列类型或低频变化衰退曲线的滚动轴承数据集时由灰度模型对滚动轴承的剩余使用寿命进行预测，当模型输入长时间序列类型或高频变化衰退曲线的滚动轴承数据集时由灰度模型和基于多头注意力机制的门控循环单元神经网络相结合的混合模型对滚动轴承的剩余使用寿命进行预测，实现对滚动轴承不同时间序列长度或不同频率变化衰退曲线的剩余使用寿命预测。
-
公开(公告)号：CN110991419A
公开(公告)日：2020-04-10
申请号：CN201911338939.8
申请日：2019-12-23
申请人： 长安大学
摘要： 本公开揭示了一种基于稀疏低秩协同正则框架的齿轮箱局部故障诊断方法，包括以下步骤：采集齿轮箱的振动信号并构造分块算子；基于分块算子构建稀疏低秩协同优化框架；求解稀疏低秩协同优化框架，获得振动信号中的故障特征信号；对故障特征信号进行包络分析，诊断齿轮箱局部故障并辨识故障类型。本公开可实现齿轮箱振动信号中的故障特征信号、噪声干扰信号和谐波干扰信号的解耦，为齿轮箱关键部件的维护和检修计划安排提供指导性建议。
-
公开(公告)号：CN108444708A
公开(公告)日：2018-08-24
申请号：CN201810339956.2
申请日：2018-04-16
申请人： 长安大学
IPC分类号： G01M13/04
CPC分类号： G01M13/045
摘要： 本发明涉及一种基于卷积神经网络的滚动轴承智能诊断模型的建立方法的设计方法，首先，将一维的振动信号映射成二维图像信息，将二维图像数据用于训练网络模型；其次，对应用过程中卷积神经网络的结构参数进行分析，选择较优的网络参数，得到对机械故障分类能力较强的卷积神经网络结构；实现了对不同负载不同转速复杂工况下的机械故障的准确识别与分类；卷积神经网络模型通过建立多层网络大大提高了神经网络的特征提取能力，克服了以往需要人工对大量信号处理技术的掌握以及对诊断经验的依赖，能够直接在原始的时域信号中通过学习的方式获取故障特征，从而做出诊断，实现在每小时TB级数据量的情况下故障特征的自适应提取与健康状况的智能诊断。
-
公开(公告)号：CN106601115B
公开(公告)日：2019-06-21
申请号：CN201710044425.6
申请日：2017-01-21
申请人： 长安大学
IPC分类号： G01M15/00
摘要： 本发明公开了一种航空发动机可拆卸盘鼓型转子实验台，能够清晰的展示可拆卸盘鼓型转子的结构和工作原理，并能在实验台上进行相关实验，方便于教学演示与科研工作的使用，所采用的技术方案为：包括台座上依次同轴设置的电动机、后轴、转子主体和前轴，电动机的输出轴通过联轴器与后轴连接，转子主体套设在后轴和前轴上，后轴通过轴承支承在后轴承座上，前轴通过轴承支承在前轴承座上，所述电动机、联轴器、后轴承座和前轴承座均固定在台座上，所述转子主体包括依次固定连接的九级轮盘和篦齿盘，每级轮盘上均固设有若干叶片，所述后轴与篦齿盘固连，所述前轴与第三级轮盘固连。
-
公开(公告)号：CN106601115A
公开(公告)日：2017-04-26
申请号：CN201710044425.6
申请日：2017-01-21
申请人： 长安大学
IPC分类号： G09B25/02
CPC分类号： G09B25/02
摘要： 本发明公开了一种航空发动机可拆卸盘鼓型转子实验台，能够清晰的展示可拆卸盘鼓型转子的结构和工作原理，并能在实验台上进行相关实验，方便于教学演示与科研工作的使用，所采用的技术方案为：包括台座上依次同轴设置的电动机、后轴、转子主体和前轴，电动机的输出轴通过联轴器与后轴连接，转子主体套设在后轴和前轴上，后轴通过轴承支承在后轴承座上，前轴通过轴承支承在前轴承座上，所述电动机、联轴器、后轴承座和前轴承座均固定在台座上，所述转子主体包括依次固定连接的九级轮盘和篦齿盘，每级轮盘上均固设有若干叶片，所述后轴与篦齿盘固连，所述前轴与第三级轮盘固连。
-
公开(公告)号：CN110991419B
公开(公告)日：2023-04-07
申请号：CN201911338939.8
申请日：2019-12-23
申请人： 长安大学
IPC分类号： G06F18/213 , G06F18/24
摘要： 本公开揭示了一种基于稀疏低秩协同正则框架的齿轮箱局部故障诊断方法，包括以下步骤：采集齿轮箱的振动信号并构造分块算子；基于分块算子构建稀疏低秩协同优化框架；求解稀疏低秩协同优化框架，获得振动信号中的故障特征信号；对故障特征信号进行包络分析，诊断齿轮箱局部故障并辨识故障类型。本公开可实现齿轮箱振动信号中的故障特征信号、噪声干扰信号和谐波干扰信号的解耦，为齿轮箱关键部件的维护和检修计划安排提供指导性建议。
-
公开(公告)号：CN109458960B
公开(公告)日：2023-05-02
申请号：CN201811550956.3
申请日：2018-12-18
申请人： 长安大学
IPC分类号： G01B15/00
摘要： 本发明公开了一种基于信号相关性测定螺栓伸长量的装置及测量方法，包括底座，底座上表面设置有轨道，底座上方设置有一组间距可变的钳口，钳口的内侧下方均设置有加速度传感器，两个加速度传感器之间还设置有一激振器，钳口内侧均设置有钳口板；底座轴线上开设有一通孔，底座上开设有矩形通孔槽，通孔内设置有丝杠，丝杠上设置有丝杠螺母，丝杠螺母在通孔槽内往复移动，丝杠螺母与其中一个钳口固定连接；加速度传感器和激振器均连接上位机，上位机连接电脑，有效降低测量螺栓伸长量时人工操作带来的误差，提高测量精度的同时提升测量效率，便于在工程中计算和使用，且在已知螺栓具体参数的情况下可计算所测螺栓的预紧力、扭矩、负载力。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.024 秒)
