-
公开(公告)号：CN104316323A
公开(公告)日：2015-01-28
申请号：CN201410577135.4
申请日：2014-10-24
Applicant: 西安交通大学
IPC: G01M13/04
Abstract: 基于周期靶向的最优共振频带确定方法，先将振动加速度传感器吸附于被测试滚动轴承轴承座，对其振动信号进行采集，然后构建1/3-二叉树状滤波器组得到滤波后的复包络信号，再计算各包络信号的周期性强度PAR，将低于阈值的复包络信号的峭度置零，然后计算剩下包络信号的峭度值，选取峭度最大的复包络信号所对应的频带为最优共振频带，并作该包络信号的频谱，得到包络谱，与滚动轴承存在的故障类型所对应的故障特征频率对比，最后确定滚动轴承存在的故障类型，本发明利用了故障激发冲击的本质特征，避免了非周期冲击对共振解调频带选择的干扰，具有鲁棒性，且在共振解调频带的确定过程是自适应的，有利于实现故障特征提取和诊断监测的自动化。
-
-
公开(公告)号：CN103353759A
公开(公告)日：2013-10-16
申请号：CN201310258164.X
申请日：2013-06-25
Applicant: 西安交通大学
Abstract: 一种基于CDM的导弹自动驾驶仪设计方法，先求得开环特征多项式P0(s)，并按照CDM中系数图的绘制方法，画出开环特征多项式P0(s)的系数图；然后根据开环特征多项式P0(s)的系数图中曲线的凸度来确定自动驾驶仪的结构，得到包含自动驾驶仪控制参数的闭环特征多项式P(s)；在稳定性指数γi和等效时间常数τ后，可求得系统的闭环特征多项式P(s)；最后使两次的闭环特征多项式P(s)的对应阶数的系数相等，能够求得自动驾驶仪的控制参数，本发明将CDM方法应用于导弹自动驾驶仪的设计中，实现在线整定自动驾驶仪的参数，操作简单，便于工程实现，在过载指令跟踪和抗干扰等性能方面能够获得令人满意的效果。
-
公开(公告)号：CN102998110A
公开(公告)日：2013-03-27
申请号：CN201210507537.8
申请日：2012-11-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于阶比-全息谱原理的旋转机械故障特征提取方法，利用了阶比分析处理非平稳信号的能力和全息谱综合可靠地反映机组状态的能力。将两者进行融合既能够在转速波动时利用二维全息谱来进行故障诊断，又可以方便地对起停车信号进行力和力偶分解、全息瀑布图分析，本发明大大地扩展了传统全息谱的运用范围，实现了对起停车信号进行多种特征参数提取，突破了传统只能进行波德图分析的局限，拓展了旋转机械故障监测诊断的水平和范围，为旋转机械健康可靠地运行提供有力支持。
-
-
Patent Agency Ranking
公开(公告)号：CN102778356A
公开(公告)日：2012-11-14
申请号：CN201210284507.5
申请日：2012-08-06
Applicant: 西安交通大学
IPC: G01M13/04
Abstract: 本发明公开了一种增强随机共振系统以及基于该系统的机械故障诊断方法，本发明将多个随机共振系统有机结合用来增强微弱信号，其中，前一级随机共振的输出作为后一级的输入，然后利用增强随机共振技术提取机械设备的故障信息，进而实现机械设备故障的有效诊断。这种方法克服了强噪声背景下微弱信号提取难的问题，使被噪声淹没的微弱故障信息得到放大，对机械设备的早期故障诊断具有重要意义。
-
公开(公告)号：CN102305712A
公开(公告)日：2012-01-04
申请号：CN201110129423.X
申请日：2011-05-18
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 本发明公开了一种等时间间隔采样下的非均速传动系统误差溯源方法。在等时间间隔采样情况下，传统的传动误差溯源方法要求传动系统匀速运行，而当传动系统转速存在波动时，则无法对采样序列进行频谱分析以确定传动误差源。为了克服原有方法的缺陷，本发明充分利用非均匀转速下的机床传动轴运动信息数据，并基于样条插值原理，将原有的等时间采样序列通过空间重采样方法转化为等角度采样序列，进而通过传动误差的角频谱分析方法，确定误差的来源和大小，从而解决了非均匀转速下传动误差的评估和溯源问题。由于本方法可在传动系统运行过程中实时测量，并且对运行转速的平稳性没有要求，因此，本方法具有更加广泛的应用范围。
-
公开(公告)号：CN106934126B
公开(公告)日：2020-03-31
申请号：CN201710109877.8
申请日：2017-02-28
Applicant: 西安交通大学
Abstract: 一种基于循环神经网络融合的机械零部件健康指标构造方法，首先获取机械零部件振动信号，计算得到振动信号时域特征序列和频域特征序列；根据时域特征序列和频域特征序列计算相似性特征；对振动信号进行三层小波包变换，得到频带能量比特征；利用特征的综合评价指标筛选出机械零部件退化过程的敏感特征集，用以训练循环神经网络；通过敏感特征集和训练好的循环神经网络可以得到新的机械零部件健康指标RNN‑HI，本发明利用相似性特征和循环神经网络充分挖掘了机械零部件振动信号中的退化信息，不仅便于失效阈值的确定而且提高了寿命预测的精度。
-
公开(公告)号：CN106934125B
公开(公告)日：2020-02-18
申请号：CN201710109876.3
申请日：2017-02-28
Applicant: 西安交通大学
Abstract: 一种梯形噪声分布的指数模型机械设备剩余寿命预测方法先建立梯形噪声分布的指数模型，然后实时监测并采集机械设备中轴承、齿轮或转子的振动信号，并从中提取健康状态指标，确定拟合起始时刻，最后对退化模型进行参数估计，采用随机采样的方法给出滚动轴承的剩余寿命估计及概率分布，本发明解决了传统指数预测模型中噪声项假定与实际情况不相符的问题，将原有的三角形噪声分布改为梯形噪声分布，即增加了指数模型噪声项的初始值，并且以平稳运行阶段的健康状态指标噪声作为模型噪声项的初始值，通过采用轴承加速寿命实验数据验证了梯形噪声分布的指数模型相比于传统指数模型对剩余寿命预测有更高的精度和可靠性。
-
公开(公告)号：CN110580471A
公开(公告)日：2019-12-17
申请号：CN201910865515.0
申请日：2019-09-12
IPC: G06K9/00 , G01M13/02 , G01M13/021
Abstract: 本发明提供一种基于编码器信号瞬变特征的机械设备故障诊断方法，首先利用编码器数据采集卡读取机械设备中编码器的输出得到编码器信号y(t)；然后构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，利用迭代算法提取出时域瞬变特征x(t)；再利用阶次跟踪算法将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)；最后，识别角度域瞬变特征x(θ)的角度间隔T，进而输出故障诊断结果。本发明实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，并可以使得机械设备故障诊断自动化，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.027 seconds)
