公开(公告)号：CN111323481B

公开(公告)日：2021-05-28

申请号：CN202010114516.4

申请日：2020-02-25

Applicant: 西安交通大学

Inventor： 朱永生 ,  傅亚敏 ,  闫柯 ,  任智军 ,  张聪

IPC: G01N29/04 ,  G01N29/07 ,  G01N29/44

Abstract: 一种基于声音信号的大型结构活动多余物检测方法，将麦克风阵列及其采集板卡放置在大型结构上，使用数据传输线和usb转串口线将麦克风阵列及其采集板卡与pc连接起来，构成声音信号采集系统，采集大型结构滚动时所产生的声音信号，并对声音信号进行空域滤波，提高采集声音信号的信噪比预处理；求取pc机所接收到的声音信号的时频图，将其与正常声音信号的时频图进行对比，另外通过计算信号的峭度Q和频谱偏斜度P作为补充判据；本发明首次将麦克风阵列应用到大型结构活动多余物检测领域，通过波束成形技术实现对环境噪音的有效滤除，同时实现对有无多余物的判断；本发明实现了实时非接触式监测，监测难度降低，应用范围增大。

公开(公告)号：CN111861272A

公开(公告)日：2020-10-30

申请号：CN202010764559.7

申请日：2020-07-31

Applicant: 西安交通大学

Inventor： 朱永生 ,  张聪 ,  闫柯 ,  任智军 ,  杨敏燕 ,  傅亚敏 ,  尹婷婷

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08 ,  G01D21/02

Abstract: 一种基于多源数据的复杂机电系统异常检测方法，首先采用去趋势互相关分析(DCCA)定量分析多维变量间的相关关系，构建以变量间耦合关系为边、监测变量为节点的复杂系统多变量耦合关系网络；在此基础上，建立基于无监督学习的变分图自编码模型，对系统多变量耦合关系网络进行特征提取，使用正常数据训练该模型，图卷积网络作为编码器学习输入数据的分布，采样获得其潜在表示以实现耦合网络的重构，通过训练样本获得重建概率阈值，采用重建概率作为系统多维多态监测数据异常检测评价指标；本发明考虑多源数据间的耦合关系，引入变分图自编码器模型，降低经验依赖性并克服异常样本少的问题，提高了系统异常检测的准确性和可靠性。

公开(公告)号：CN111323481A

公开(公告)日：2020-06-23

申请号：CN202010114516.4

申请日：2020-02-25

Applicant: 西安交通大学

Inventor： 朱永生 ,  傅亚敏 ,  闫柯 ,  任智军 ,  张聪

IPC: G01N29/04 ,  G01N29/07 ,  G01N29/44

Abstract: 一种基于声音信号的大型结构活动多余物检测方法，将麦克风阵列及其采集板卡放置在大型结构上，使用数据传输线和usb转串口线将麦克风阵列及其采集板卡与pc连接起来，构成声音信号采集系统，采集大型结构滚动时所产生的声音信号，并对声音信号进行空域滤波，提高采集声音信号的信噪比预处理；求取pc机所接收到的声音信号的时频图，将其与正常声音信号的时频图进行对比，另外通过计算信号的峭度Q和频谱偏斜度P作为补充判据；本发明首次将麦克风阵列应用到大型结构活动多余物检测领域，通过波束成形技术实现对环境噪音的有效滤除，同时实现对有无多余物的判断；本发明实现了实时非接触式监测，监测难度降低，应用范围增大。

公开(公告)号：CN110059601A

公开(公告)日：2019-07-26

申请号：CN201910283838.9

申请日：2019-04-10

Applicant: 西安交通大学

Inventor： 朱永生 ,  任智军 ,  岳义 ,  闫柯 ,  洪军 ,  傅亚敏 ,  高大为

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：CN109145886A

公开(公告)日：2019-01-04

申请号：CN201811190372.X

申请日：2018-10-12

Applicant: 西安交通大学

Inventor： 朱永生 ,  陈凯达 ,  闫柯 ,  洪军 ,  高大为 ,  蔡依青 ,  任智军

IPC: G06K9/00 ,  G06N3/08 ,  G01D21/02

CPC classification number: G06K9/00523 ,  G01D21/02 ,  G06K9/00536 ,  G06N3/084

Abstract: 一种多源信息融合的异步电机故障诊断方法，(1)构建一种异步电机故障诊断实验平台，光电转速传感器采集异步电机的转速信号；振动加速度传感器采集异步电机的三向加速度信号；霍尔电流传感器采集异步电机三相的定子电流信号；(2)将采集的异步电机信号进行快速傅里叶变换，将时域信号转换为频域信号；(3)用堆叠稀疏自编码网络对信号分别进行特征学习；(4)对所学习到的特征进行加权融合并添加标签，对加权系数和分类器参数进行调整；(5)利用训练好的网络来判断测试样本是否发生故障；本发明能够以非监督的方式学习电机信号中有效的故障特征，并对多源信息进行融合，提高了故障诊断的稳定性与准确性。