采用频带3分区的经验小波变换的轴承特征频率提取方法

    公开(公告)号:CN109799090B

    公开(公告)日:2020-09-18

    申请号:CN201910015211.5

    申请日:2019-01-08

    Applicant: 长安大学

    Abstract: 本发明公开了一种采用频带3分区的经验小波变换的轴承特征频率提取方法,对被监测轴承的结构参数和轴承转轴工作转速,计算出轴承各个部件的故障特征频率,然后对轴承监测信号进行时频变换,以3倍的最大频率为带宽,把信号的时频变换空间分割为若干等带宽的时频区域;求得它们的信号分量,计算得到峭度序列;以峭度曲线上的峭度最大值为标志,寻找其左、右相邻的极小值对应的频率fL和fR,以这两个频率为中间点对分析频带分割,形成3个相互连接且互不交叠的子频带,在此基础上,构造尺度滤波器和小波滤波器,对信号进行小波变换,得到频带的信号分量。对峭度最大值所在频带的信号分量做包络分析,得到轴承故障特征频率及其谐波分量。

    采用频带3分区的经验小波变换的轴承特征频率提取方法

    公开(公告)号:CN109799090A

    公开(公告)日:2019-05-24

    申请号:CN201910015211.5

    申请日:2019-01-08

    Applicant: 长安大学

    Abstract: 本发明公开了一种采用频带3分区的经验小波变换的轴承特征频率提取方法,对被监测轴承的结构参数和轴承转轴工作转速,计算出轴承各个部件的故障特征频率,然后对轴承监测信号进行时频变换,以3倍的最大频率为带宽,把信号的时频变换空间分割为若干等带宽的时频区域;求得它们的信号分量,计算得到峭度序列;以峭度曲线上的峭度最大值为标志,寻找其左、右相邻的极小值对应的频率fL和fR,以这两个频率为中间点对分析频带分割,形成3个相互连接且互不交叠的子频带,在此基础上,构造尺度滤波器和小波滤波器,对信号进行小波变换,得到频带的信号分量。对峭度最大值所在频带的信号分量做包络分析,得到轴承故障特征频率及其谐波分量。

    一种便携式智能无线温度采集器及其工作方法

    公开(公告)号:CN109489846A

    公开(公告)日:2019-03-19

    申请号:CN201811361240.9

    申请日:2018-11-15

    Applicant: 长安大学

    Abstract: 本发明公开了一种便携式智能无线温度采集器及其工作方法,温度传感器的输出端与从机控制系统的输入端相连接,从机控制系统与主机控制系统及PC端上位机系统相连接,主机控制系统与主机温度显示屏及主机报警系统相连接,PC端上位机系统与PC端温度报警系统及上位机温度显示屏相连接,该采集器及其工作方法能够实现户外及工业环境温度的采集、传输及显示,且具有稳定性高、实时性好及功耗低的特点。

    一种基于信号时频分解的幅值谱峭度图的实现方法

    公开(公告)号:CN107808114A

    公开(公告)日:2018-03-16

    申请号:CN201710852072.2

    申请日:2017-09-19

    Applicant: 长安大学

    CPC classification number: G06K9/00523 G01M13/021 G01M13/028 G01M13/045

    Abstract: 本发明公开一种基于信号时频分解的幅值谱峭度图的实现方法,该方法首先用频率切片小波变换对振动信号时频分解获得其时频分解矩阵;然后,在每一尺度分别抽取该尺度每个给定的子时频空间对应的子矩阵,按时间方向求取各个子矩阵的时域均值,把该时域均值作为该子时频空间信号分量幅值随时间变化的趋势,用该时域均值的幅值平方谱峭度按照尺度—频带排列,得到信号的谱峭度尺度—频带平面图,即时频幅值谱峭度图,用颜色深度表示谱峭度的大小,峭度值越大对应谱平面区域的颜色越深,颜色最深的区域对应的频带为特征频带;可用于提取故障特征。

    一种稳健的波达方向估计方法

    公开(公告)号:CN105403857B

    公开(公告)日:2018-01-23

    申请号:CN201510827967.1

    申请日:2015-11-24

    Applicant: 长安大学

    Abstract: 本发明公开了稳健的波达方向估计方法,利用两个子阵接收数据的相关矩阵,构建了一组包含旋转矩阵信息的目标矩阵,并据此实现对旋转矩阵的多次估计,进而实现对波达方向角统计平均值的求解,提高了所提方法的稳健性和估计精度;在求取旋转矩阵的过程中,无须引入预白化操作,避免了白化误差,提高了所提方法的估计精度。

    一种基于单通道信号盲分离滚动轴承的特征提取方法

    公开(公告)号:CN105021399B

    公开(公告)日:2017-12-05

    申请号:CN201510363665.3

    申请日:2015-06-26

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于单通道信号盲分离滚动轴承的特征提取方法,对原始振动信号进行频率切片小波变换,得到信号的能量谱,不再依靠小波基的选取,切片的选取也克服了小波变换频带选取受限的问题。采用主成分分析的方法确定信源数目,解决了当样本较大时获得聚类结论困难的问题。根据主成分分析采用投影方式得到降维的矢量投影矩阵,避免了信号稀疏性的影响,从而将欠定问题转化为适定问题,此外,对具有一定相关性的源信号也可有效实现故障特征提取。

    一种基于时频切片分析的滚动轴承故障诊断方法

    公开(公告)号:CN103499445B

    公开(公告)日:2015-11-18

    申请号:CN201310455814.X

    申请日:2013-09-28

    Applicant: 长安大学

    Abstract: 本发明公开一种基于时频切片分析的滚动轴承故障诊断方法,首先,对滚动轴承的振动信号采用频率切片小波变换进行时频分解,得到振动信号的时频能量分布矩阵,然后,以时频能量分布矩阵为基础定义一种峭度指标——频率幅值峭度,依次求取各个频率对应的幅值峭度,构成振动信号在时频平面的频率幅值峭度谱,在幅值峭度谱上选取若干个共振频带,再采用频率切片小波变换逆变换以重构方法分离出这些共振频带信号分量,用解调分析方法分别提取各个共振频带的包络分量并进行规则化处理,在此基础上,求取这些包络分量的综合包络谱,最后,用综合包络谱识别滚动轴承的损伤特征频率,实现滚动轴承的故障诊断。

    一种基于云服务器的道路积水监测系统及其方法

    公开(公告)号:CN104486428A

    公开(公告)日:2015-04-01

    申请号:CN201410797730.9

    申请日:2014-12-18

    Applicant: 长安大学

    CPC classification number: H04L67/12 G01F23/14 H04L69/16

    Abstract: 本发明公开了一种基于云服务器的道路积水监测系统及方法,目的在于:能够将道路积水数据完全开放给各类用户共享,同时城市道路、交通、气象等管理部门能够接收实时道路积水数据,所采用的技术方案为:利用压力传感器采集道路积水数据,并将道路积水数据发送至第一微处理器;第一微处理器对道路积水数据进行处理,并通过无线射频发送模块将道路积水数据发送至显示模块的无线射频接收模块,无线射频接收模块将道路积水数据发送至第二微处理器,第二微处理器对道路积水数据进行处理,并通过显示屏显示;同时,第一微处理器将道路积水数据通过GPRS模块上传至云服务器,实现数据的开放和共享。

    基于RA8870控制器的液晶模块自定义符号和图形的显示方法

    公开(公告)号:CN102522067B

    公开(公告)日:2013-06-19

    申请号:CN201110317992.7

    申请日:2011-10-19

    Applicant: 长安大学

    Inventor: 段晨东 秦刚 代杰

    Abstract: 本发明公开了一种基于RA8870控制器的液晶显示模块用户自定义的、任意尺寸的汉字字符和图形符号的显示方法,该方法将自定义字符或图形符号用字型点阵方法构建,以RA8870控制器的16×8半字型和16×16全字型基本显示模式为基础,把自定义的字符点阵字型分割成16×8的半字型子模块,并进行编码。显示时,按字型结构特征及拟定的顺序,把字型子模块依次读入RA8870控制器的CGROM。然后,指定显示起始位置,用显示位置计算公式,按照自定义字符或图形的结构,计算出每个子字型模块显示坐标位置;再以不同的调用方式实现显示字符的字型装配,在液晶显示模块上呈现完整的字符和图形。

    基于多因素和改进特征筛选策略的短期电力负荷预测方法

    公开(公告)号:CN113193551B

    公开(公告)日:2023-01-24

    申请号:CN202110458740.X

    申请日:2021-04-27

    Applicant: 长安大学

    Abstract: 本发明提供了基于多因素和改进特征筛选策略的短期电力负荷预测方法包括以下步骤:步骤S1,导入原始多因素数据集和数据预处理;步骤S2,构造候选特征变量集;步骤S3,基于数据集重构和RReliefF算法的小时粒度特征筛选;步骤S4,引入基于余弦相似度的k‑means聚类标签;步骤S5,确定最终的输入变量集;步骤S6,模型训练与预测。本发明注重于短期电力负荷预测的前端数据处理,与当前的多种主流预测模型都可以结合使用,并能显著改善模型的预测精度,具有广泛的通用性。本发明能够有效解决基于小时粒度的特征变量选取规则问题,在特征变量中加入负荷曲线的形状和模式信息,通过提高前端输入数据的质量,显著提升短期电力负荷的预测性能。

Patent Agency Ranking