-
公开(公告)号：CN109211566B
公开(公告)日：2020-03-13
申请号：CN201810956890.1
申请日：2018-08-21
Applicant: 北京工业大学
IPC: G01M13/04 , G01M13/045
Abstract: 本发明公开了一种滚动轴承外圈缺陷二维量化诊断方法，该方法根据信号波形特征将故障冲击振荡类型划分为Class 1和Class 2。对于Class 1型外圈缺陷，则首先基于提出的Class 1型外圈缺陷周向尺寸计算公式量化诊断出缺陷周向尺寸。由提出的Class 1型外圈缺陷中心位置尺寸计算公式完成Class 1型外圈缺陷的二维量化诊断。对于Class 2型外圈缺陷，则首先基于提出的Class 2型外圈缺陷周向尺寸计算公式量化诊断出缺陷周向尺寸。再分别计算出外圈缺陷左、右边缘的σvh值，最后由提出的Class 2型外圈缺陷中心位置尺寸计算公式诊断出外圈缺陷中心位置尺寸，完成Class 2型外圈缺陷的二维量化诊断。
-
公开(公告)号：CN110823575A
公开(公告)日：2020-02-21
申请号：CN201911090613.8
申请日：2019-11-09
Applicant: 北京工业大学
IPC: G01M13/045 , G06F30/20 , G06F30/17 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种基于性能退化字典构造与相似性的轴承寿命预测方法。该方法基于滚道表面形貌的演变机理，将退化过程划分为健康、凹痕、裂纹、剥落四个阶段。充分考虑时变形貌和时变刚度的耦合激励，建立5自由度滚动轴承非线性动力学模型，求解模型的振动响应，构造性能退化字典，作为相似性寿命预测方法的参考集，进而得到剩余使用寿命概率密度函数的估计。
-
公开(公告)号：CN109211566A
公开(公告)日：2019-01-15
申请号：CN201810956890.1
申请日：2018-08-21
Applicant: 北京工业大学
IPC: G01M13/04 , G01M13/045
Abstract: 本发明公开了一种滚动轴承外圈缺陷二维量化诊断方法，该方法根据信号波形特征将故障冲击振荡类型划分为Class 1和Class 2。对于Class 1型外圈缺陷，则首先基于提出的Class 1型外圈缺陷周向尺寸计算公式量化诊断出缺陷周向尺寸。由提出的Class 1型外圈缺陷中心位置尺寸计算公式完成Class 1型外圈缺陷的二维量化诊断。对于Class 2型外圈缺陷，则首先基于提出的Class 2型外圈缺陷周向尺寸计算公式量化诊断出缺陷周向尺寸。再分别计算出外圈缺陷左、右边缘的σvh值，最后由提出的Class 2型外圈缺陷中心位置尺寸计算公式诊断出外圈缺陷中心位置尺寸，完成Class 2型外圈缺陷的二维量化诊断。
-
公开(公告)号：CN114330417B
公开(公告)日：2024-05-28
申请号：CN202111426703.7
申请日：2021-11-27
Applicant: 北京工业大学
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06N3/006 , G01M13/045
Abstract: 本发明公开了一种基于SAPSO‑MCKD的轴承故障诊断方法，该方法首先采用退火粒子群算法自适应确定MCKD的最优FIR滤波器，应用该最佳FIR滤波器对轴承故障信号进行滤波降噪，降低信号中的干扰频率成分，实现对故障的信号的解卷积。然后，应用Teager能量算子对滤波后的信号进行解调，可最终实现对轴承故障信号的提取与诊断。对仿真信号的研究结果验证了所提方法的有效性，对凯斯西储大学轴承数据分析结果也表明该方法能够有效的实现轴承早期故障精确诊断。
-
公开(公告)号：CN114088385B
公开(公告)日：2023-11-10
申请号：CN202110958609.X
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种改进自适应调频模式分解时频分析方法，改进的自适应调频模式分解采用条件熵优化自适应调频模式分解阈值和多项式调频变换估计初始瞬时频率的方法处理较为接近和微弱的信号分量。与传统的时频检测方法相比，改进的自适应调频模式分解在强干扰条件下能够有效的解决齿轮箱振动信号分量间存在干扰的问题。改进的自适应调频模式分解可以有效地提取故障特性并生成高分辨率时频表示结果，清晰表示振动信号中与故障相关的特征分量，有效的识别出行星齿轮箱的局部故障。通过对变转速齿轮箱故障信号的仿真分析，验证了所提方法的有效性。实验数据分析结果也表明该方法可以有效的对变转速齿轮箱中的故障进行诊断。
-
Patent Agency Ranking
公开(公告)号：CN113865867B
公开(公告)日：2024-06-04
申请号：CN202110958624.4
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于幅值特性奇异值分解的轴承故障诊断方法，把故障频率等的幅值特性作为奇异分量的选择指标——故障包含度(FIC)。首先是原始信号的Hankel矩阵构造与SVD分解，其次利用所提指标FIC对分解所得的SCs进行信息评估，最后选出携带故障信息的SCs以重构降噪信号。轴承故障仿真信号与实验信号的试验结果表明：相比于传统的差分奇异值分解方法(DS‑SVD)，所提方法能选出故障信息量更大的奇异分量，且能在外界干扰下诊断出故障。新方法可用于信号降噪和故障弱特征的增强。
-
公开(公告)号：CN117874503A
公开(公告)日：2024-04-12
申请号：CN202410269113.5
申请日：2024-03-11
Applicant: 沃德传动(天津)股份有限公司 , 北京工业大学
IPC: G06F18/2131 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G01M13/045
Abstract: 本发明提供了一种基于CNN的轴承故障诊断方法、电子设备及存储介质，包括：首先，使用传感器采集滚动轴承在不同状态下的原始振动信号；其次，使用经验小波变换处理原始振动信号以获取不同的频段的分量信号；再次，使用标签平滑正则化、自适应矩投影估计以及元激活串联函数去构建一维自注意力机制增强的CNN故障诊断模型；最后，利用已标记标签的故障样本集训练构建一维自注意力增强的CNN故障诊断模型，训练完成的模型用于诊断未标记标签的测试样本的故障类型。本发明提出的故障诊断方法中CNN的结构与性能被显著优化与提升且在实验测试中表现出了更高的识别率和更强的稳定性。
-
公开(公告)号：CN117291290A
公开(公告)日：2023-12-26
申请号：CN202310950277.X
申请日：2023-07-31
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06F17/18 , G06F17/11 , G06F17/16 , G06F18/22 , G06F18/2131 , G01M13/045 , G01M13/04 , G06F119/04
Abstract: 本发明公开了一种基于双流无际粒子滤波的滚动轴承集成寿命预测方法。在旋转机械中，由于滚动轴承的一致性差，退化过程较为复杂，使得对其剩余使用寿命的准确预测面临巨大挑战。对此，本发明公开了一种基于双流无际粒子滤波的滚动轴承寿命预测方法估计轴承的集成寿命。首先，所提方法采用基于相似性度量的方法自适应识别滚动轴承的退化阶段；其次，基于指数模型和多项式模型的特点，构建了双流无际粒子滤波模型，实现了滚动轴承整体退化趋势和局部波动双流信息的有效挖掘；为了综合评估滚动轴承的整体健康状态，提出了基于动态贝叶斯的综合融合策略定量评估双流信息源的失效概率，进而实现滚动轴承集成寿命的有效估计。
-
公开(公告)号：CN112629850B
公开(公告)日：2022-04-22
申请号：CN202011419700.6
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028 , G06K9/00
Abstract: 本发明公开了一种变转速行星齿轮箱故障诊断方法，该方法选取形态滤波对信号进行降噪处理，根据振动信号的任意冲击参数而自适应的选择相对应的结构元素，并且针对该冲击只需利用最佳结构元素计算一次，在滤波精确性和运算效率上都有了大幅度的提升。首先，应用转域重采样技术对原始信号进行重采样，得到仍被强噪声淹没的等角域稳态信号；其次，利用变多尺度形态滤波器对重采样信号进行滤波，获取包含故障信息的噪声干扰较小的信号；最后，对滤波信号进行故障特征提取，并和运用重采样提供的采样参数计算得到的可能故障频率进行比对，判断行星齿轮箱故障类型。通过对仿真信号和实验信号分别进行分析，该方法能够有效找出对应故障特征。
-
公开(公告)号：CN114330417A
公开(公告)日：2022-04-12
申请号：CN202111426703.7
申请日：2021-11-27
Applicant: 北京工业大学
IPC: G06K9/00 , G06N3/00 , G01M13/045
Abstract: 本发明公开了一种基于SAPSO‑MCKD的轴承故障诊断方法，该方法首先采用退火粒子群算法自适应确定MCKD的最优FIR滤波器，应用该最佳FIR滤波器对轴承故障信号进行滤波降噪，降低信号中的干扰频率成分，实现对故障的信号的解卷积。然后，应用Teager能量算子对滤波后的信号进行解调，可最终实现对轴承故障信号的提取与诊断。对仿真信号的研究结果验证了所提方法的有效性，对凯斯西储大学轴承数据分析结果也表明该方法能够有效的实现轴承早期故障精确诊断。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
