-
公开(公告)号：CN110059601B
公开(公告)日：2021-04-13
申请号：CN201910283838.9
申请日：2019-04-10
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 一种多特征提取与融合的智能故障诊断方法，首先利用数据采集系统和传感器采集机械设备运行过程中的数据；然后以确定的长度截取不经任何处理的原始信号，将其分为训练样本和测试样本，做各段信号的频谱并归一化；基于自编码器构建多特征提取器，基于动态路由算法构建多特征融合器，基于softmax构建健康状态分类器；之后利用训练样本训练模型，提取区分各类健康状态的有效特征以及自适应地学习特征融合方法；最终将测试样本输入至模型中，验证模型的有效性；本发明实现了小样本情况下设备故障特征的自适应提取与故障状态的智能诊断，训练时间短，结果准确可靠。
-
公开(公告)号：CN111238812A
公开(公告)日：2020-06-05
申请号：CN202010059189.7
申请日：2020-01-19
Applicant: 西安交通大学
IPC: G01M13/04 , G01M13/045
Abstract: 一种滚动轴承保持架故障的自诊断方法，通过高精度快速滤波器组对振动信号进行快速滤波，再根据各滤波后信号的均方包络自相关信号的谱峭度选出最优信号并计算其包络谱，然后根据保持架理论故障特征频率自动选择前M阶实际故障特征频率，再根据频谱的统计特性自动找出满足概率要求的阈值，最后计算循环平稳全局测试指标和故障发生率，实现了滚动轴承保持架故障的自诊断，本发明给出了一种自动诊断滚动轴承保持架故障的方法，为智能轴承分析滚动轴承保持架故障提供了一种有效的自诊断工具。
-
公开(公告)号：CN109883706A
公开(公告)日：2019-06-14
申请号：CN201910276672.8
申请日：2019-04-08
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种滚动轴承局部损伤微弱故障特征提取方法，使用加速度传感器采集故障滚动轴承的振动信号，使用MODWPT分解原信号至不同的节点，接下来计算各节点均方包络自相关的SK，然后选取各层中不小于最大SK一半的节点信号进行MED滤波，再依据层数叠加同层所选节点的归一化频谱信息并平均，最后合并所有层的频谱，提取滚动轴承的局部损伤故障特征；本发明给出了一种强背景噪声干扰下提取滚动轴承局部损伤故障特征的方法，为实现滚动轴承的PHM早期微弱故障特征提取提供了一种有效的诊断工具。
-
公开(公告)号：CN119150157A
公开(公告)日：2024-12-17
申请号：CN202411192738.2
申请日：2024-08-28
Applicant: 浙江优特轴承有限公司 , 西安交通大学
IPC: G06F18/243 , G06F18/15 , G06F18/2113 , G06F18/2135 , G06N20/20 , G06N3/126
Abstract: 本发明公开一种工件表面粗糙度预测方法、系统、设备及存储介质，涉及工件表面粗糙度预测技术领域，该方法包括：获取工件原始振动信号中的加工段信号；计算加工段信号的特征；基于随机森林方法筛选出与表面粗糙度相关度高的重要特征；通过主成分分析法对相关重要特征进行特征降维得到低维特征矩阵；将低维特征矩阵与对应表面粗糙度指标组合得到数据集，剔除数据集中具有异常值的数据，得到正常数据集；利用正常数据集对MKL‑SVR模型进行训练，进而实现对工件表面粗糙度的预测；该方法采用小样本条件优化的特征筛选和降维方法，可以在很大程度上减少特征数量同时保留数据信息，提高模型效果。
-
公开(公告)号：CN109655880A
公开(公告)日：2019-04-19
申请号：CN201910023207.3
申请日：2019-01-10
Applicant: 西安交通大学
IPC: G01V1/00
Abstract: 一种大型圆柱结构活动多余物的检测方法，在电机驱动转动的大型圆柱结构上设置有无线数据采集装置和声发射传感器构成的无线信号采集系统，无线信号采集系统与PC机连接进行数据及指令的传输；通过控制柜控制电机旋转，进而带动大型圆柱结构转动，同时无线信号采集系统通过无线传输方式将声发射传感器采集到的数据发送到PC机上，经安装在PC机上的算法分析，计算信号的得分，即可判定是否存在多余物以及多余物的类型；本发明首先能够实现大型圆柱结构的旋转；其次能够通过无线传输，实现被测物体旋转过程中活动多余物的检测；同时，实现活动多余物的判断及定位，检测精度和检测效率得到提高，检测对象增大。
-
Patent Agency Ranking
公开(公告)号：CN119509981A
公开(公告)日：2025-02-25
申请号：CN202411655012.8
申请日：2024-11-19
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 本发明公开了一种轴承保持架的运动姿态监测方法、装置、介质和设备，涉及振动测量技术领域。获取传感器采集的轴承保持架在运动时产生的脉冲信号；轴承保持架端面存在多个梯形条纹槽；通过预设长度时窗截取脉冲信号，得到包括多个脉冲的脉冲截取信号；获取截取脉冲信号的一阶微分，得到一阶微分信号，并通过最大类间方差法计算一阶微分信号的分割阈值；通过分割阈值确定脉冲截取信号的脉冲边缘，并根据脉冲边缘，确定脉冲截取信号的多个脉冲宽度；脉冲宽度表示梯形条纹槽通过传感器所需的时间；通过多个脉冲宽度确定轴承保持架的运动姿态。该方法能够准确测量轴承保持架的运动姿态。
-
公开(公告)号：CN119147260B
公开(公告)日：2025-02-21
申请号：CN202411629644.7
申请日：2024-11-15
Applicant: 甘肃海林中科科技股份有限公司 , 西安交通大学
IPC: G01M13/04 , G01M13/045 , G06F18/214 , G06F17/18 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种轮毂轴承运行状态监测方法、装置、设备及存储介质，涉及轴承运行状态监测技术领域，包括以下步骤：实时采集轮毂轴承运行时的振动信号和温度信号，对振动信号和温度信号的特征进行提取，得到多个第二特征；将多个第二特征在当前时刻下对应的值分别定义为第一节点，第一节点间的相互作用定义为第一条边，构建第一图数据；将每个第二特征在多个时刻下对应的值分别定义为第二节点，第二节点间的相互作用定义为第二条边，构建第二图数据；将第一图数据和多个第二图数据进行处理，根据处理结果对轮毂轴承的运行状态进行监测。本发明提高对于不同类型故障的监测敏感性，提升了实际应用中轮毂轴承在线监测准确性。
-
公开(公告)号：CN119147260A
公开(公告)日：2024-12-17
申请号：CN202411629644.7
申请日：2024-11-15
Applicant: 甘肃海林中科科技股份有限公司 , 西安交通大学
IPC: G01M13/04 , G01M13/045 , G06F18/214 , G06F17/18 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种轮毂轴承运行状态监测方法、装置、设备及存储介质，涉及轴承运行状态监测技术领域，包括以下步骤：实时采集轮毂轴承运行时的振动信号和温度信号，对振动信号和温度信号的特征进行提取，得到多个第二特征；将多个第二特征在当前时刻下对应的值分别定义为第一节点，第一节点间的相互作用定义为第一条边，构建第一图数据；将每个第二特征在多个时刻下对应的值分别定义为第二节点，第二节点间的相互作用定义为第二条边，构建第二图数据；将第一图数据和多个第二图数据进行处理，根据处理结果对轮毂轴承的运行状态进行监测。本发明提高对于不同类型故障的监测敏感性，提升了实际应用中轮毂轴承在线监测准确性。
-
公开(公告)号：CN118837737A
公开(公告)日：2024-10-25
申请号：CN202410848639.9
申请日：2024-06-27
Applicant: 西安交通大学
IPC: G01R31/34 , G06F18/20 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种水下推进电机故障诊断方法、装置、设备及存储介质，涉及水下推进电机故障诊断技术领域，包括以下步骤：对多个振动信号和电流信号进行预处理得到有标签频段特征集合和无标签频段特征集合；对马尔科夫决策框架进行训练，得到最优的故障频段选择策略，根据最优的故障频段选择策略得到有标签最优特征子集和无标签最优特征子集；将最优的故障频段选择策略应用于预处理后的待诊断的水下推进电机的振动信号和电流信号，得到对应的有标签最优特征子集和无标签最优特征子集，输入至故障诊断模型，得到对应的故障类型。本发明通过马尔科夫决策过程进行的故障频段选择，实现了故障特征的降噪。
-
公开(公告)号：CN112712106B
公开(公告)日：2022-12-09
申请号：CN202011414594.2
申请日：2020-12-07
Applicant: 西安交通大学
Abstract: 基于多视图对抗自编码器的机械设备健康状态识别方法，首先获得机械设备的振动信号样本，并将信号通过傅里叶变换、希尔伯特变换+傅里叶变换、连续小波变换从不同的视角描述信号，经标准化处理后作为网络的输入；接着构建多视图对抗自编码器并假设特征所服从的分布，使用对抗训练的方法使特征逼近所假设的分布，从而对网络进行训练；最后利用集成学习，将训练好的多个学习器相结合，将集成后所得到的概率作为最终的预测结果；训练好的网络可实现对少量标签、低信噪比条件下的机械设备健康状态的诊断；本发明通过视图学习和集成学习的引入，解决了标签缺乏且信号噪声严重时网络特征提取能力不足的问题，提高了网络在实际工程中的适用性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
