公开(公告)号：CN111426498B

公开(公告)日：2022-10-04

申请号：CN202010327817.5

申请日：2020-04-23

Applicant: 郑州大学 ,  郑州恩普特科技股份有限公司

Inventor： 陈磊 ,  韩思蒙 ,  韩捷 ,  李凌均 ,  雷文平 ,  王丽雅 ,  王前江

IPC: G01M99/00 ,  G01R31/34 ,  G06K9/00

Abstract: 本发明属于设备状态监测与故障诊断技术领域，具体涉及一种监测设备运行状态的边缘处理方法。本发明首先每隔设定时间间隔，对动态信号进行一次采样，获取其动态波形，并提取所述动态波形的特征数据；然后在一个上送周期内，将特征数据与设定报警值进行比较：若所有特征数据均小于等于对应的设定报警值，将该上送周期内的所有特征数据和对应的采样时刻上送；否则，除特征数据和对应的采样时刻外，还上送周期内首次出现特征数据大于设定报警值的时刻对应的各动态信号的动态波形。本发明减轻了数据传输的压力，提高系统的监测扫描周期和实时性。且在发生报警时，同步采集各个信号的原始数据，用于交叉评价分析，提高故障分析诊断的可靠性。

公开(公告)号：CN115048960A

公开(公告)日：2022-09-13

申请号：CN202210666304.6

申请日：2022-06-13

Applicant: 郑州恩普特科技股份有限公司

Inventor： 雷文平 ,  胡鑫 ,  李永耀 ,  张君浩 ,  张培 ,  王宏超 ,  陈磊 ,  陈宏 ,  李凌均 ,  王丽雅 ,  韩捷

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明属于机械系统振动状态监测技术领域，具体涉及一种设备状态检测方法，本发明通过采集多工况的正常数据并通过正常数据的学习，通过构建仅使用正常的多工况振动数据训练样本进行对深度学习模型的学习、训练，以实现异常状态的实时在线识别。具体地，通过深度学习网络提取数据的本质特征，然后依据建立的异常监测阈值来实现对各类异常数据的判别。并且本发明方法充分利用了时域、频域、自相关信息，通过深度自编码器进行特征提取可以捕捉到多工况正常样本的本质特征，有效提升在多工况下的振动状态异常检测能力。由此，本发明解决了现有技术中异常检测准确度低的问题。

公开(公告)号：CN114112366A

公开(公告)日：2022-03-01

申请号：CN202111466164.X

申请日：2021-12-03

Applicant: 郑州恩普特科技股份有限公司

Inventor： 陈磊 ,  韩捷 ,  胡鑫 ,  李永耀 ,  王宏超 ,  雷文平 ,  李凌均

IPC: G01M13/00 ,  G01H17/00

Abstract: 本发明提供了一种泵机运行状态监测方法，属于泵机设备监测技术领域。在不同工况下，针对振动通频值和反映离心泵常见故障形式的振动特征指标报警，实现分工况报警。在对泵机运行状态进行实时监测时，获取待测泵机的当前振动信号，从当前振动信号中计算出振动通频值和反映各种故障发生的振动征兆指标，振动通频值或振动征兆指标中若有超过对应报警值的情况，则提示通频报警或指标报警，认为待测泵机存在故障。采用本发明，可以在待测泵机处于不同工况时，采用与工况对应的故障报警标准对其运行状态进行判断，并通过阈值自学习的方法，完成对不同工况下故障报警标准的设定，提高对泵机运行状态监测的准确性，减少漏报、误报的发生。

公开(公告)号：CN113884300A

公开(公告)日：2022-01-04

申请号：CN202111123632.3

申请日：2021-09-24

Applicant: 郑州恩普特科技股份有限公司 ,  韩捷

Inventor： 雷文平 ,  岳帅旭 ,  胡鑫 ,  李永耀 ,  王宏超 ,  陈磊 ,  李凌均 ,  王丽雅 ,  陈宏 ,  韩捷

IPC: G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种深度对抗迁移学习的滚动轴承故障诊断方法，属于机械系统智能诊断领域。本发明采用深度对抗迁移学习的网络模型对滚动轴承故障进行诊断，该模型包括特征提取层、故障分类层、全局域对抗层和局部域对抗层。模型采用分类损失、全局域对抗损失和局部故障类对抗损失之和作为损失函数进行训练，确保在训练过程中通过带故障标签的源域数据实现目标域故障的准确分类。本发明能够在有效构建故障分类器的同时，通过域对抗和类别对抗学习保证其源域故障和目标域故障的共有特征属性处于同一分布上，进而减少源域与目标域的特征分布差异，提高了对滚动轴承的故障分类的准确率。

公开(公告)号：CN110530507A

公开(公告)日：2019-12-03

申请号：CN201910810604.5

申请日：2019-08-29

Applicant: 郑州大学 ,  郑州恩普特科技股份有限公司 ,  韩捷

Inventor： 陈磊 ,  韩捷 ,  胡鑫 ,  孙浩 ,  雷文平 ,  李凌均 ,  王丽雅

IPC: G01H17/00

Abstract: 本发明涉及一种用于旋转设备监测的边缘计算方法、介质及系统，属于设备故障监测领域。方法包括以下步骤：1)利用边缘计算单元对采集的旋转设备的振动信号进行预处理；预处理过程包括：A、根据振动信号，计算振动信号的通频值；B、将振动信号进行频域转换，将转换后的频域振动信号划分为若干个窄带信号；C、将各窄带信号分别进行傅里叶反变换，得到各窄带的时域信号，并求得各窄带信号对应的振动幅值；D、判断通频值和各窄带的振动幅值是否超标，并根据判断结果生成设备状态信息；2)将特征数据传输至云服务器。本发明将采集的旋转设备的振动波形数据转换为特征数据传输至云服务器，减少了网络传输的成本，同时兼顾了传输信息的完整性。

公开(公告)号：CN110493744A

公开(公告)日：2019-11-22

申请号：CN201910769376.1

申请日：2019-08-20

Applicant: 郑州大学 ,  郑州恩普特科技股份有限公司 ,  韩捷

Inventor： 陈磊 ,  韩捷 ,  雷文平 ,  李凌均 ,  王丽雅 ,  孙浩

IPC: H04W4/38 ,  H04W56/00 ,  H04J3/06

Abstract: 本发明涉及一种主从式无线传感器的数据同步采集方法与系统，属于设备故障状态监测领域，其中主传感器负责发送同步信号，从传感器的副处理器负责与主传感器和副传感器的主处理器进行通信，通过各从传感器的副处理器的物理层接收到同步信号时，物理层解析出同步信号的帧头，并根据该帧头向主处理器发送中断信号，各主处理器根据接收的中断信号开始同步采集。相对于现有技术，由主传感器发送至从传感器的同步信号，不必由物理层传输到应用层，而是直接在物理层进行处理后发出中断信号，使各主处理器开始同步采集，随机累计误差非常小，能够保证各主处理器开始采集数据的时刻同步，提高同步精度。

公开(公告)号：CN112943639B

公开(公告)日：2022-08-02

申请号：CN202110426716.8

申请日：2021-04-20

Applicant: 郑州恩普特科技股份有限公司

Inventor： 李永耀 ,  韩捷 ,  陈磊 ,  胡鑫 ,  王宏超 ,  雷文平 ,  李凌均 ,  王丽雅

IPC: F04D15/00

Abstract: 本发明属于汽蚀故障检测技术领域，具体涉及一种机泵汽蚀故障检测方法。本发明首先利用机泵的振动频谱序列的面积来表征底部噪声，并将底部噪声作为汽蚀故障指标；然后一方面可对当前时刻是否发生汽蚀故障进行检测判断，以提高汽蚀故障检测判断的准确性；另一方面还可利用汽蚀故障指标预测模型对未来某时刻是否会发生汽蚀故障进行预测判断，预测机泵是否会发生汽蚀故障以及在预测到会发生汽蚀故障时其发生的时刻，从而可以提前预知机泵汽蚀故障的发生，减少非计划停机，降低维修成本，促进工业企业实现预测性维护。

公开(公告)号：CN110163190B

公开(公告)日：2022-05-06

申请号：CN201910522045.8

申请日：2019-06-17

Applicant: 郑州大学 ,  郑州恩普特科技股份有限公司 ,  韩捷

Inventor： 雷文平 ,  李长伟 ,  韩捷 ,  王宏超 ,  王凯 ,  陈磊 ,  王丽雅 ,  李凌均 ,  陈宏

IPC: G06K9/00 ,  G01M13/045

Abstract: 本发明提供一种滚动轴承故障诊断方法及装置，属于故障诊断技术领域。该方法包括：利用加速度传感器获取待测滚动轴承的振动加速度信号的时域数据序列；利用所述时域数据序列计算峰值指标、峭度指标和波形指标；若其中某个指标的值大于该指标的正常值，则对所述时域数据序列作高通滤波处理和分段处理，得到新的时域数据序列；对所述新的时域数据序列重采样，利用重采样后的时域数据序列计算得到频谱；若频谱中的幅值最大值大于故障报警值，则判断待测滚动轴承故障。本发明依据有故障发生时待测滚动轴承频谱的故障特征频率处的幅值必定包含在频谱的前几个幅值最大值中，实现待测滚动轴承的故障诊断，诊断结果能客观反映待测滚动轴承的真实故障情况。

公开(公告)号：CN111504450A

公开(公告)日：2020-08-07

申请号：CN202010351302.9

申请日：2020-04-28

Applicant: 郑州恩普特科技股份有限公司

Inventor： 李永耀 ,  雷文平 ,  韩捷 ,  陈磊 ,  胡鑫 ,  王宏超 ,  李凌均 ,  王丽雅

IPC: G01H17/00 ,  G01M13/028 ,  G01M13/021 ,  G01M13/045 ,  G08B21/18

Abstract: 本发明提供一种设备故障报警方法及装置，属于设备故障报警领域。该方法包括：采集待测设备的振动信号，计算所述振动信号的统计量；监测待测设备的运行工况，若运行工况未发生变化，则将所述振动信号的统计量与当前运行工况对应的报警阈值进行比较；若运行工况发生变化，则重新计算报警阈值，将振动信号的统计量与变化后的运行工况对应的报警阈值进行比较，根据比较结果确定是否生成报警信号；报警阈值与待测设备的运行工况相对应，在某个运行工况下，计算一个时间窗口内的待测设备振动信号的统计量，根据该时间窗口内的待测设备振动信号的统计量确定该运行工况的报警阈值。该方法能适应多种运行工况，提高工况复杂的设备的故障报警准确率。

公开(公告)号：CN107701468B

公开(公告)日：2019-07-05

申请号：CN201710892944.8

申请日：2017-09-27

Applicant: 郑州大学 ,  郑州恩普特科技股份有限公司 ,  韩捷

Inventor： 郝旺身 ,  雷文平 ,  李凌均 ,  王丽雅 ,  陈宏 ,  陈磊 ,  韩捷 ,  郝伟 ,  梁川 ,  林辉翼 ,  赵伟杰

IPC: F04D15/00

Abstract: 本发明涉及一种混流泵在线综合监测方法及装置，该方法包括：采集混流泵机组实时运行状态数据以及历史运行状态数据，制定不同类型的评价指标；根据历史运行状态数据，构建反映不同类评价指标对应的故障状态的状态识别模型；将实时运行状态数据组中代表各评价指标的实时运行状态数据输入到对应的状态识别模型，计算出相应的差别系数或残差；判断差别系数或残差是否高于设定的安全预警线，若高于安全预警线，则判定混流泵机组相应的评价指标处于故障状态，进行状态预警。本发明根据混流泵历史运行状态数据构建状态识别模型，将混流泵实时运行状态数据输入到该状态识别模型，以判断混流泵的安全状态，预测混流泵设备的潜在故障。