-
公开(公告)号:CN114813131B
公开(公告)日:2025-03-28
申请号:CN202210535583.2
申请日:2022-05-17
Applicant: 湖南科技大学 , 广东中贸科技有限公司
IPC: G01M13/045 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0499 , G06N3/084
Abstract: 本发明属于滚动轴承故障识别技术领域,公开了一种低速重载轴承故障识别方法、系统、介质、设备及终端,对信号进行滤波分解,对分解得到的前三个分量信号的特征量进行求解并构建特征值矩阵;采用距离评估技术对特征值矩阵进行降维,筛选出显著特征;将显著特征输入到BP神经网络进行训练和测试,实现低速重载轴承故障识别。针对原始信号具有宽带、非平稳和强噪声的问题,本发明重点分析了对信号进行滤波分解的步骤,对分解得到的前三个分量信号的特征量进行了求解并构建特征值矩阵,采用了距离评估技术方法对特征值矩阵进行降维,筛选出显著特征,将显著特征输入到BP神经网络进行训练和测试,从而实现了对低速重载轴承故障类型的准确识别。
-
公开(公告)号:CN119437707A
公开(公告)日:2025-02-14
申请号:CN202411454676.8
申请日:2024-10-17
Applicant: 湖南科技大学
IPC: G01M13/021 , G01M13/028 , G06F18/2433 , G06F18/28
Abstract: 本发明属于故障诊断技术领域,尤其涉及一种基于循环脉冲特征分解的齿轮箱故障诊断方法及系统,该方法包括:构建新的字典矩阵“循环脉冲字典矩阵”对多个周期脉冲信号混合而成的信号所包含的脉冲循环周期进行准确估计;根据脉冲循环周期的能量值大小顺序采用Goertzel算法获取对应的频率幅值;对脉冲循环周期对应的CPCC进行分离重构,将信号分解成若干个CPCC。本发明构建循环脉冲字典矩阵对周期脉冲信号的脉冲循环周期稀疏表示,准确的估计出了齿轮振动信号中故障脉冲特征的循环周期;采用Goertzel算法根据脉冲循环周期对齿轮振动信号中的CPCC进行分解重构,分解出的CPCC中包含了丰富的周期脉冲特征信息。
-
公开(公告)号:CN119374908A
公开(公告)日:2025-01-28
申请号:CN202411454675.3
申请日:2024-10-17
Applicant: 湖南科技大学
IPC: G01M13/045 , G06F18/22
Abstract: 本发明属于但不限于故障诊断技术领域,尤其涉及一种基于多元辛稀疏统一分解的轴承故障诊断方法及系统,首先,通过构造稀疏滤波器实现了对辛几何原子的预降噪;然后,采用CAP方法实现了多通道信号的统一表征;最后,以正则化奇异局部线性算子为优化目标对构造的稀疏滤波器参数进行优化,不仅实现了多通道信号分解结果的模态对齐,还将其约束为局部窄带信号。MSSUD方法采用CAP方法处理辛几何原子重构信号。该方法可以根据多通道信号的特点自适应地获取投影向量,并将多通道信号投影至超球面上获得多通道信号地统一表征,再结合稀疏滤波器可以实现多通道信号地自适应频带统一分割。
-
-