-
公开(公告)号：CN105303181A
公开(公告)日：2016-02-03
申请号：CN201510741010.5
申请日：2015-11-04
Applicant: 燕山大学
IPC: G06K9/00
CPC classification number: G06K9/00523
Abstract: 本发明公开了一种基于滑动窗的随机共振微弱冲击特征增强提取方法，该方法首先根据被测对象的旋转频率在时域构造滑动窗，然后利用该滑动窗对信号进行时域截取；其次，将截取的每个子信号依次作为变尺度随机共振系统的输入，根据共振响应测度指标的最大化选取最优系统参数，并将其代入共振系统，得到相应子信号的最佳检测结果；最后，将各个子信号的最佳检测结果按统一标准进行归一化处理消除幅值差异，再依次首尾拼接得到最终的检测结果。该方法利用滑动窗将含有多个冲击分量的信号分割成多个含有单个冲击分量的子信号，解决微弱冲击特征难以有效提取的难题，实现不同幅值微弱冲击特征的增强提取，对机械设备早期微弱故障诊断具有重要意义。
-
公开(公告)号：CN116465631A
公开(公告)日：2023-07-21
申请号：CN202310459988.7
申请日：2023-04-26
Applicant: 燕山大学
IPC: G01M13/045 , G06F18/10 , G06N3/006 , G06F17/10
Abstract: 本发明公开了一种振动共振辅助增强随机共振耦合系统的轴承故障诊断方法，属于机械故障诊断技术领域，包括以下步骤：使用传感器采集滚动轴承振动信号，对采集到的滚动轴承振动信号进行希尔伯特包络解调处理，得到振动信号的幅值包络；构建匹配稳态随机共振系统，并与振动共振系统通过非线性耦合的方式组成耦合系统；将得到的幅值包络作为所构建耦合系统的输入信号，并采用优化算法实现系统多参数的优化选取；将得到的最优参数代入耦合系统，对幅值包络进行处理，通过对系统输出进行频谱分析，完成对滚动轴承故障的有效识别与诊断。本发明可以实现滚动轴承振动信号中微弱故障特征的有效提取，为滚动轴承早期微弱故障诊断提供了一种有效解决途径。
-
公开(公告)号：CN113295420B
公开(公告)日：2022-04-08
申请号：CN202110650227.0
申请日：2021-06-10
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于周期指导组稀疏模型的滚动轴承故障诊断方法及系统，方法包括：获取滚动轴承的振动信号；根据所述振动信号确定所述振动信号的增强包络；根据所述增强包络和所述振动信号确定增强包络自相关函数；根据所述增强包络自相关函数确定轴承故障冲击周期估计值；根据所述轴承故障冲击周期估计值构建二进制周期序列；将所述二进制周期序列嵌入弹性网作为约束条件，将L0.5范数作为惩罚函数，根据所述振动信号构建组稀疏模型；将所述振动信号输入所述组稀疏模型，确定降噪信号；对所述降噪信号进行增强包络解调确定滚动轴承故障特征信息。本发明通过对周期冲击特征的有效提取，提高滚动轴承特征的特征提取精度和故障识别的准确性。
-
公开(公告)号：CN113295420A
公开(公告)日：2021-08-24
申请号：CN202110650227.0
申请日：2021-06-10
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于周期指导组稀疏模型的滚动轴承故障诊断方法及系统，方法包括：获取滚动轴承的振动信号；根据所述振动信号确定所述振动信号的增强包络；根据所述增强包络和所述振动信号确定增强包络自相关函数；根据所述增强包络自相关函数确定轴承故障冲击周期估计值；根据所述轴承故障冲击周期估计值构建二进制周期序列；将所述二进制周期序列嵌入弹性网作为约束条件，将L0.5范数作为惩罚函数，根据所述振动信号构建组稀疏模型；将所述振动信号输入所述组稀疏模型，确定降噪信号；对所述降噪信号进行增强包络解调确定滚动轴承故障特征信息。本发明通过对周期冲击特征的有效提取，提高滚动轴承特征的特征提取精度和故障识别的准确性。
-
公开(公告)号：CN112903296A
公开(公告)日：2021-06-04
申请号：CN202110097070.3
申请日：2021-01-25
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种滚动轴承故障检测方法及系统。该方法包括获取待检测的滚动轴承的振动信号；对所述振动信号进行傅里叶变换确定离散幅值谱；利用基于谱包络的频谱分割方法对所述幅值谱进行自动划分，得到多个连续区间；并确定所述连续区间的数量以及每个所述连续区间的最大谱峰频率；将连续区间的数量以及每个所述连续区间的最大谱峰频率作为变分模态分解算法的输入参数，并利用确定输入参数后的变分模态分解算法对所述振动信号进行分解，得到多个模式分量；利用每个所述模式分量的包络谱对所述待检测的滚动轴承进行故障检测。本发明提高了滚动轴承故障检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110006652B
公开(公告)日：2020-04-03
申请号：CN201910292988.6
申请日：2019-04-12
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明公开了一种滚动轴承故障诊断方法及系统。本发明的诊断方法通过采用短时能量边界检测方法对滚动轴承振动信号的Fourier谱进行自适应划分，实现了自适应地确定频域区间的边界，克服了经验小波变换中因频域划分不理想及模态分量个数设置不当影响分解效果的技术缺陷，提高了故障诊断的精度；同时选取包络谱显著性指数最大的调幅调频模态分量进行解调，获得最优解调包络谱，确保选用的模态分量包含丰富的故障信息，进一步提高了故障诊断的精度。
-
公开(公告)号：CN118443310A
公开(公告)日：2024-08-06
申请号：CN202410538951.8
申请日：2024-04-30
Applicant: 燕山大学
IPC: G01M13/045 , G06F18/2415 , G06F18/2131
Abstract: 本发明公开了一种基于非稳态时频分析的轴承故障诊断方法及系统，涉及轴承故障诊断领域。该方法包括获取待诊断的轴承振动信号，对该信号进行预处理，获得降采样后的轴承振动信号；构造速度自适应窗解调变换，获得具有局部高能量集中性且频率轨迹无交叉的时频表示结果；引入最大谱峭度选择方法，自适应确定每个时刻处的最佳时频表示结果；构造局部能量最大值提取算子，进一步提取时频表示结果中的故障特征频率轨迹；寻找时频表示中的故障特征频率轨迹，完成轴承故障诊断和故障类型判别的任务。本发明精确表征了轴承振动信号中包含的非稳态比例时频故障特征，提高了时频表示的能量集中性和噪声鲁棒性，实现了非稳态条件下轴承故障诊断的目标。
-
公开(公告)号：CN112903296B
公开(公告)日：2021-12-14
申请号：CN202110097070.3
申请日：2021-01-25
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种滚动轴承故障检测方法及系统。该方法包括获取待检测的滚动轴承的振动信号；对所述振动信号进行傅里叶变换确定离散幅值谱；利用基于谱包络的频谱分割方法对所述幅值谱进行自动划分，得到多个连续区间；并确定所述连续区间的数量以及每个所述连续区间的最大谱峰频率；将连续区间的数量以及每个所述连续区间的最大谱峰频率作为变分模态分解算法的输入参数，并利用确定输入参数后的变分模态分解算法对所述振动信号进行分解，得到多个模式分量；利用每个所述模式分量的包络谱对所述待检测的滚动轴承进行故障检测。本发明提高了滚动轴承故障检测的准确性。
-
公开(公告)号：CN111223337A
公开(公告)日：2020-06-02
申请号：CN202010169335.1
申请日：2020-03-12
Applicant: 燕山大学
Abstract: 本发明公开了一种基于机器视觉和增强现实的书法教学机。该书法教学机在第一毛笔和第二毛笔上分别设置第一位姿传感器和第二位姿传感器；系统主机与机器书写手臂、第一视觉模块、增强现实眼镜、第二视觉模块、显示器、第一位姿传感器和第二位姿传感器连接；机器书写手臂和第一视觉模块位于机器书写平台上，机器书写手臂夹持第一毛笔；第一视觉模块拍摄机器书写结果；第二视觉模块位于人工书写平台上，拍摄人工书写结果；系统主机用于对书写控制参数进行调整、控制机器书写手臂进行书写、将人工书写动作以及人工书写结果与标准动作以及标准结果进行比对、生成书写教学动画；显示器和增强现实眼镜用于显示书写教学动画。本发明能够提高教学真实性。
-
公开(公告)号：CN108507789B
公开(公告)日：2020-02-25
申请号：CN201810571885.9
申请日：2018-05-31
Applicant: 燕山大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于平均随机弱正交匹配追踪的滚动轴承故障稀疏诊断方法，首先根据采集到的滚动轴承振动信号构造超完备字典，完成算法参数的初始化设置，并预估原信号的稀疏度；其次，采用平均随机弱正交匹配追踪算法更新稀疏字典和残差；最后，利用得到的稀疏字典计算稀疏表示系数，从而重构得到故障信号；将上述过程重复N次，通过集合平均得到最终处理结果。该方法通过原子数预估与改进的残差更新方式避免了人为设置稀疏度对分解结果的影响，通过改进的模拟退火算法增大了小幅值故障成分被提取的可能，解决了微弱周期性冲击特征难以有效提取的问题，对实现滚动轴承的早期微弱故障诊断具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
