-
公开(公告)号：CN119089129A
公开(公告)日：2024-12-06
申请号：CN202410852461.5
申请日：2024-06-28
Applicant: 西北工业大学
IPC: G06F18/20 , G01M15/00 , G06F18/10 , G06F18/22 , G06F18/213 , G06F16/2458
Abstract: 本发明解决了现有旋转机械退化趋势提取方法拟合交叉、预测准确性不高、速度较慢和预测提前量无法得到满足的问题，提出了基于故障基因的发动机退化趋势提取的方法。本发明基于故障基因技术，分析潜在故障的根本原因和特征，将趋势预测方法与故障模型深入结合，为趋势预测提供更加深入的参考依据；本发明通过两组信号处理方法，全面地捕捉故障信号中的特征信息，提高对不同故障模式的识别和分析能力。本发明提出一套趋势模型识别准则，包括数据采集和处理的标准化流程、模型评估和验证的指标体系、模型更新和优化的策略，使系统更有效地识别和匹配趋势模型，从而全面提升趋势模型建立的效率和可靠性。
-
公开(公告)号：CN119043488A
公开(公告)日：2024-11-29
申请号：CN202411202776.1
申请日：2024-08-29
Abstract: 本发明提出一种针对涡轮泵不可容碰摩故障的监测方法，首先采集涡轮泵工作过程中，涡轮泵各个监测位置处振动传感器的输出信号；其次根据振动传感器信号获取多维判断要素；最后根据三个维度判断要素进行综合评分，判断涡轮泵的碰摩等级，确定涡轮泵是否出现不可容碰摩故障。本发明借助多维评价的思想对涡轮泵的碰摩等级进行评价，细化分出涡轮泵的碰摩等级，在判断出现碰摩现象后，不再是直接采取停机处理，而是通过打分评价方式，判断碰摩现象是否可容，对于可容的轻微碰摩则采取保持监测的方法处理，对于不可容碰摩故障采取停机处理。该方法可以减少人力和物力资源浪费，提高火箭涡轮泵的可重复性。
-
公开(公告)号：CN118820913A
公开(公告)日：2024-10-22
申请号：CN202410822957.8
申请日：2024-06-25
Applicant: 西北工业大学
IPC: G06F18/2411 , G06F18/15 , G06F18/2131 , G06F30/23 , G06F18/214 , G06N3/084 , G01M13/00 , G06F119/14
Abstract: 本发明提出了一种基于故障基因的旋转机械故障隔离方法，首先通过在实验数据中提取的故障特征确定故障的易发生位置及危害程度排序，然后通过故障建模求解出故障响应，经过处理得到故障定位可能性排序，最后将两者进行对比，实现对故障的精准定位和隔离。本发明能够在小样本数据的情况下，实现对故障的准确识别和诊断，无需大量的故障数据进行训练，降低了数据获取的难度，形成了方法论，扩大了故障诊断方法的适用范围。本发明实现对故障的自动识别和诊断，相比于现有的故障诊断方法，提高了故障诊断的效率和准确性。本发明不仅可以对单一类型的故障进行诊断，还可以对不同故障进行准确诊断，提高了故障诊断的全面性和准确性。
-
公开(公告)号：CN118626503A
公开(公告)日：2024-09-10
申请号：CN202410852620.1
申请日：2024-06-28
Applicant: 西北工业大学
Abstract: 本发明提出一种基于外场实测数据更新故障基因库的方法，通过收集每一次完整试车后的发动机实测数据，构建新的故障基因库，又通过更新故障基因中的参数、对故障基因库进行删减、检查后，对旧的故障基因库进行覆盖；本方法通过基因库的不断更新支撑故障模式的积累，促进该发动机型号的快速成熟，从而满足航空发动机等高成本运行设备的运维需求，进而协助工作人员快速定位故障发生的原因和位置，大大缩短了故障排查的时间，提升了发动机故障处理的工作效率。本方法简化了故障处理的流程，缩小了故障处理的范围从而降低了故障处理的难度，有效减少了人为误差，减少了由人为因素导致的误判和延误，提升了故障处理的准确性。
-
公开(公告)号：CN118445742A
公开(公告)日：2024-08-06
申请号：CN202410378816.1
申请日：2024-03-29
Applicant: 西北工业大学
IPC: G06F18/25 , G06F18/15 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明提出一种面向电力推进系统故障的融合诊断方法，首先获取电力推进发动机的振动加速度信号和定子电流信号，并对获取的原始信号进行预处理；再对每个通道分别建立基于卷积神经网络+门控循环单元的深度学习故障诊断神经网络模型，并利用样本集对深度学习故障诊断神经网络模型进行训练，并利用训练得到的深度学习故障诊断神经网络模型实现初步诊断；利用得到的每个通道的初步诊断结果，通过改进的D‑S证据理论进行决策级融合诊断，最终获得融合诊断结果。本发明通过神经网络和改进的DS证据论对电力推进发动机实现多参数、全工况的融合诊断。
-
Patent Agency Ranking
公开(公告)号：CN118133426A
公开(公告)日：2024-06-04
申请号：CN202410378846.2
申请日：2024-03-29
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于优化组合模型的航空发动机振动异常趋势预测方法，首先使用卷积神经网络进行趋势特征提取，然后使用双向长短时记忆神经网络进行异常趋势建模预测，在此过程中使用改进优化算法对网络参数进行最优选取以达到最优预测效果。该预测方法可以在地面试车中时刻监测异常振动趋势，若预测结果出现异常趋势则及时做出预警确保发动机安全。此外本发明使用ISSA算法进行组合模型参数的优化选取，避免了人工选取参数的耗时以及过度依赖经验的不足，参数优化后的预测效果得到了显著提升。该方法可针对多种组合模型进行参数优化，能够有效提升参数选取的效率并降低经验依赖性。
-
公开(公告)号：CN116992359A
公开(公告)日：2023-11-03
申请号：CN202310903985.8
申请日：2023-07-21
Applicant: 西北工业大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06F18/15 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于多参数融合的发动机全工况振动预测方法，首先通过相关性计算方法评估了多种飞行参数与振动参数的相关程度，选取了相关性较高的多种参数；然后对振动数据进行VMD分解以降低原始数据复杂性，提升振动预测效果；其次比较了不同网络类型对振动预测效果的影响；最后进行了不同预测步长振动预测效果的对比分析，着重分析了航空发动机过渡态和稳态两种工作状态下的振动预测效果。
-
公开(公告)号：CN114486252A
公开(公告)日：2022-05-13
申请号：CN202210108671.4
申请日：2022-01-28
Applicant: 西北工业大学
Abstract: 一种矢量模极大值包络的滚动轴承故障信息融合方法，在滚动轴承圆周表面布置两个加速度传感器，用于采集滚动轴承的振动信号。对所采集信号进行正交化处理，去除与故障无关的常矢量，留下与故障有关的旋转矢量；取模，得到模长序列。通过得到的连续函数曲线中的按时间顺序从小到大排列的第一个极大值点、第二个极大值点，以及倒数第一个极大值点、倒数第二个极大值点的坐标的得出模长序列开端的极大值点和末端的极大值点。通过三次样条插值方法得到三次样条插值函数。再在此基础上，通过傅里叶变换，得到矢量模极大值包络谱。本发明能够得到更清晰的调制边频带，可以更明显地、更不失真地提取出故障特征频率，有利于滚动轴承局部故障诊断。
-
公开(公告)号：CN107025348B
公开(公告)日：2020-04-03
申请号：CN201710230773.2
申请日：2017-04-11
Applicant: 西北工业大学
Abstract: 一种航空发动机转子早期积液故障识别方法，能够简单有效的识别航空发动机转子早期积液故障，并与不平衡故障作区分。本发明将积液故障与健康幅频特性曲线积分面积的差值作为识别特征。在峰值点前，积液故障的幅值高于健康，峰值点后，低于健康；不平衡故障在峰值点前后幅值较健康的高低关系固定，不会出现一边高于健康，一边低于健康的情况。通过积液转子幅频特性线的积分面积与健康转子的积分面积之差，在左右积分区域将有明显的符号区别的特点判定积液故障。该特征航空发动机转子积液故障独有。能有效将其与航空发动机不平衡故障区别开来。本发明能够简单有效地识别航空发动机转子积液故障，具有推广使用方便和可信度高的特点。
-
公开(公告)号：CN109710989A
公开(公告)日：2019-05-03
申请号：CN201811480707.1
申请日：2018-12-05
Applicant: 西北工业大学
Abstract: 本发明提供了一种无人机油电混合动力能源管理优化方法和系统，属于优化平台技术领域。其中，无人机油电混合动力能源管理优化法系统基于Python编写，应用Python搭建界面；其方法分为三个步骤：数据输入及数据库建立模块、计算及优化模块，用户界面搭建模块首先从数据输入及数据库调用模块中选取数据，其次进入计算及优化模块，导入选取的数据，构建代理模型，调用数据库数据，对代理模型进行优化，求得最优解，最后搭建用户截面。本系统是第一个针对无人机油电混合能源管理的优化系统，并且具有操作简单、可在Python平台上运行的特点。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
