一种基于GRU的旋转机械故障诊断方法

    公开(公告)号:CN112488179A

    公开(公告)日:2021-03-12

    申请号:CN202011355499.X

    申请日:2020-11-26

    Abstract: 本发明公开了一种基于GRU的旋转机械故障诊断方法,包括以下步骤:1)从旋转机械系统采集并获取振动信号;2)将采集的原始一维振动信号转化为二维图像,并划分为训练数据集和测试数据集;3)将训练数据集输入到线性层中来增加图像中每一行数据的维度,提高特征容量;4)应用门控循环单元GRU处理线性层的输出,从时间序列数据中学习具有代表性的特征;5)将学习到的代表性特征作为输入分类器,获得用于故障状态识别的故障诊断模型;6)将测试数据集输入到训练完成的故障诊断模型中进行故障识别,完成故障诊断过程。本发明故障诊断方法不需要人工提取特征,抗噪声能力强,能够减少极端工作条件对故障诊断的影响,提高旋转机械的故障分类精度。

    基于多源融合特征和串联DBN模型的船舶设备退化状态识别方法

    公开(公告)号:CN119646654A

    公开(公告)日:2025-03-18

    申请号:CN202411687820.2

    申请日:2024-11-25

    Abstract: 本发明公开了一种基于多源融合特征和串联DBN模型的船舶设备退化状态识别方法,属于健康状态管理技术领域,包括:提取信号特征每个分量的中心频率值;采用改进多尺度排列熵进行信号特征分析,根据尺度因子获得稳定的排列熵值;获得信号最大峭度值所对应的中心频率,筛选若干BIMF分量逐层数据集,并通过排列熵构建特征向量集Q;对特征向量集Q进行降维处理获得特征向量集T;采用特征向量集T训练DBN1,将工况识别结果结合特征向量集T训练DBN2,实现船舶设备退化状态识别;建立观测器模型,获取船舶设备的健康基线,通过计算马氏距离评估识别的船舶设备退化状态。通过本发明可以实现关键设备的退化状态准确快速评估。

    一种基于MPSO-RBF神经网络的船舶关键部件健康状态预测方法

    公开(公告)号:CN119646653A

    公开(公告)日:2025-03-18

    申请号:CN202411687817.0

    申请日:2024-11-25

    Abstract: 本发明公开了一种基于MPSO‑RBF神经网络的船舶关键部件健康状态预测方法,属于预测与健康管理技术领域,包括:对多源异构监测参数进行预处理后,选择与部件健康状态相关的监测参数作为状态特征,构建已知状态信号特征序列;将已知状态信号特征序列输入到训练成熟的MPSO‑RBF神经网络模型中,输出值作为关键部件随后的状态特征预测值,其中,MPSO‑RBF神经网络模型在RBF神经网络模型的基础上,引入改进PSO算法对网络参数进行自适应选取;根据状态特征预测值,与先验知识建立的信号特征值与健康状态的对应关系,确定和评估当前设备所处的健康状态。本发明使用改进的PSO与RBF神经网络的结合提高了装备预测的精度。

    一种船舶滑动轴承载荷测试与轴系状态评估系统及方法

    公开(公告)号:CN115628890A

    公开(公告)日:2023-01-20

    申请号:CN202211109703.9

    申请日:2022-09-13

    Abstract: 本发明涉及船舶轴系测试技术领域,尤其涉及一种船舶滑动轴承载荷测试与轴系状态评估系统及方法。所述系统包括黑白条纹反光条及光电转换器组成的数字式转速测量装置、激光位移测量装置、信息采集PLC、微型信息处理系统、载荷分析与判断数字孪生体。所述方法能够通过多种信号传感器获取滑动轴承所支撑轴段的实时信息,能够通过PLC进行信息采集转换,能够通过微型信息系统进行数据处理,能够通过数字孪生体进行知识和分析方法的管理,能够实时输出滑动轴承的当前载荷并进行船舶轴系运行状态辅助判断。

Patent Agency Ranking