公开(公告)号：CN118839188A

公开(公告)日：2024-10-25

申请号：CN202410815480.0

申请日：2024-06-24

Applicant: 西北工业大学

Inventor： 王俨剀 ,  罗潇 ,  赵建炳

IPC: G06F18/24 ,  G06Q10/20 ,  G06F18/213 ,  G01M13/045 ,  G01M1/16

Abstract: 本发明针对目前旋转机械健康管理系统在选择监测参数时，存在旋转机械转子‑支承系统结构复杂、潜在故障模式繁多、监测参数选择经验零散的问题；本发明提出了一种基于故障基因的健康管理监测参数选择方法，通过分析潜在故障模式、建立监测参数列表、计算参数权重、对各个监测参数的性能进行评估和对比，并以此为基础对监测参数进行迭代设计，删去了大量冗余的监测信息，最终确定一套最优秀的监测参数列表用于进行监测和管理，确保能够自动评估监测参数，提升了健康管理系统识别和判断故障特征的效率，节约了测试资源，优化了监测系统的性能并提高了故障监测的准确性。

公开(公告)号：CN119089129A

公开(公告)日：2024-12-06

申请号：CN202410852461.5

申请日：2024-06-28

Applicant: 西北工业大学

Inventor： 王俨剀 ,  罗潇 ,  贾欣竹

IPC: G06F18/20 ,  G01M15/00 ,  G06F18/10 ,  G06F18/22 ,  G06F18/213 ,  G06F16/2458

Abstract: 本发明解决了现有旋转机械退化趋势提取方法拟合交叉、预测准确性不高、速度较慢和预测提前量无法得到满足的问题，提出了基于故障基因的发动机退化趋势提取的方法。本发明基于故障基因技术，分析潜在故障的根本原因和特征，将趋势预测方法与故障模型深入结合，为趋势预测提供更加深入的参考依据；本发明通过两组信号处理方法，全面地捕捉故障信号中的特征信息，提高对不同故障模式的识别和分析能力。本发明提出一套趋势模型识别准则，包括数据采集和处理的标准化流程、模型评估和验证的指标体系、模型更新和优化的策略，使系统更有效地识别和匹配趋势模型，从而全面提升趋势模型建立的效率和可靠性。