-
公开(公告)号：CN112633245A
公开(公告)日：2021-04-09
申请号：CN202011644046.9
申请日：2020-12-31
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08
Abstract: 公开了基于深度强化学习模型的行星齿轮箱故障诊断方法，方法包括：信号采集，获得行星齿轮箱在不同的健康状况下的振动信号，基于所述振动信号构建训练样本信号及测试样本信号；时频图像生成，同步提取所述训练样本信号及测试样本信号变换为二维时频图像，基于所述二维时频图像构建训练集及测试集；建立深度强化学习模型，基于训练集，智能体与环境进行不断地交互，训练智能体自主学习最优的诊断策略，所述智能体包括至少两个相同结构的深度卷积神经网络；故障识别，将所述测试集中的样本逐个输入训练完成的所述智能体，根据所述诊断策略识别行星齿轮箱故障类型，及分析诊断结果。
-
公开(公告)号：CN111504644B
公开(公告)日：2021-04-09
申请号：CN202010248112.4
申请日：2020-04-01
Applicant: 西安交通大学
IPC: G01M13/045 , G01M13/04 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于嵌入区分性的条件对抗域自适应的轴承故障诊断方法，包括：分别采集在不同工况下运行的高铁牵引电机轴承的第一和第二振动信号，将第一振动信号作为源域数据，将第二振动信号作为目标域数据；建立包括特征提取器F、标签预测器G和域分类器D的条件对抗域自适应网络；同时输入有标签的源域数据和无标签的目标域数据对该网络进行训练；训练完成后，将无标签的目标域数据输入训练好的条件对抗域自适应网络进行前向传播，所述训练好的条件对抗域自适应网络输出故障预测结果，实现高铁牵引电机轴承故障诊断。本公开能够有效提高模型在目标域数据上的诊断准确率、减小了域间差异以及增强了特征分布的区分性从而提高了模型的鲁棒性。
-
公开(公告)号：CN112214844A
公开(公告)日：2021-01-12
申请号：CN202010851261.X
申请日：2020-08-21
Applicant: 西安交通大学
IPC: G06F30/17 , G06F119/10
Abstract: 本发明公开了一种设备运行工况传递路径参数计算方法及系统，根据待测试对象机械结构特征确定激励源位置和传递路径，然后利用参考点优选方法确定了参考点数量与最优安装位置，在确保不同工况线性不相关的试验工况参数下，采集最终参考点安装位置及目标点安装位置处在该试验工况参数的稳定激励下的振动响应信号，对获取的振动响应信号进行去串扰处理，利用去串扰处理后的振动响应信号对运行工况传递路径分析模型进行最小二乘支持向量回归训练，得到传递函数矩阵，避免了传统运行工况传递路径分析方法的矩阵病态问题，能够完整保留工况数据，在环境复杂的测试环境下仍能保持良好的泛化性能。
-
公开(公告)号：CN110553844B
公开(公告)日：2020-12-25
申请号：CN201910673971.5
申请日：2019-07-24
Applicant: 西安交通大学
IPC: G01M13/045 , G01M13/028 , G01B21/22 , G06F17/10
Abstract: 本发明公开了一种旋转机械的不对中故障检测方法及其检测系统，方法包括以下步骤：测量旋转机械的输入端转频ωs以及输入端轴承的轴向和径向振动信号x(t)；基于所述转频ωs以及输入端轴承的轴向和径向振动信号x(t)进行数据处理得到滤波后的信号y(t)以及基于滤波后的信号y(t)频谱处理得到频谱幅值指标；通过第二步骤得到轴向频谱幅值指标TZ和径向频谱幅值指标TJ，当轴向振动信号的频幅值指标TZ小于第一预定值，径向振动信号的频幅值指标TJ小于第二预定值，确定旋转机械正常对中，当轴向振动信号的频幅值指标TZ大于第一预定值和/或径向振动信号的频幅值指标TJ大于第二预定值，确定发生不对中故障。
-
公开(公告)号：CN111504644A
公开(公告)日：2020-08-07
申请号：CN202010248112.4
申请日：2020-04-01
Applicant: 西安交通大学
IPC: G01M13/045 , G01M13/04 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于嵌入区分性的条件对抗域自适应的轴承故障诊断方法，包括：分别采集在不同工况下运行的高铁牵引电机轴承的第一和第二振动信号，将第一振动信号作为源域数据，将第二振动信号作为目标域数据；建立包括特征提取器F、标签预测器G和域分类器D的条件对抗域自适应网络；同时输入有标签的源域数据和无标签的目标域数据对该网络进行训练；训练完成后，将无标签的目标域数据输入训练好的条件对抗域自适应网络进行前向传播，所述训练好的条件对抗域自适应网络输出故障预测结果，实现高铁牵引电机轴承故障诊断。本公开能够有效提高模型在目标域数据上的诊断准确率、减小了域间差异以及增强了特征分布的区分性从而提高了模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111175045A
公开(公告)日：2020-05-19
申请号：CN202010019856.9
申请日：2020-01-08
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 本公开揭示了一种机车牵引电机轴承振动加速度数据清洗方法，包括：采集机车牵引电机轴承的振动加速度数据；剔除所采集的振动加速度数据中的无效数据并清洗异常离群点；对剔除无效数据和清洗异常离群点后的振动加速度数据进行量化处理，排除变转速导致的中的幅值调制现象，获得量化振动加速度数据；提取量化振动加速度数据在不同转速工况下的量化高维性能退化特征；计算每个量化高维性能退化特征的分散性，将所述分散性与阈值比对，根据比对结果对量化高维性能退化特征进行筛选。本公开能够有效去除振动加速度数据中的无效点和异常离群点以及由于转速变化所导致的幅值调制现象，能够保障所采集振动加速度数据的可用性。
-
公开(公告)号：CN110057584B
公开(公告)日：2020-04-28
申请号：CN201910256519.9
申请日：2019-04-01
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 机车牵引电机轴承退化监测方法，包括：测量电机轴承获得全寿命时域振动信号u(i)；基于该信号提取多个时域特征、多个频域特征和多个时频域多维特征构成高维特征集，归一化处理；从正常运转期、早期故障、故障发展期三方面，对该高维特征集优选出三类各10个特征，分别使用自编码网络进行去冗余处理得到三个特征x1、x2、x3，再用马氏距离公式进行样本间距离求取，得到每个样本之间的马氏距离dij，计算相似系数αij和相似系数均值Mi；初步构建自适应邻域K并修正，修正后的进行LLE融合指标构造，得到融合指标Z并进行处理及指数拟合，计算指数拟合参数，得到最终的融合指标；利用最终的融合指标确定正常运转期、早期故障期、故障发展期和失效期四个退化阶段的划分阈值。
-
公开(公告)号：CN108507785B
公开(公告)日：2019-12-24
申请号：CN201810317073.1
申请日：2018-04-10
Applicant: 西安交通大学
IPC: G01M13/025
Abstract: 本发明公开了一种主轴回转状态下的动态特性测试装置及方法，该装置包括主轴、机架和固定套等；其中，主轴安装在机架上，主轴固定套的一端安装在机架上，另一端与连接支架的一端连接，端盖安装在连接支架的另一端；刀柄组件包括刀柄以及由内至外依次套装在刀柄上的轴承和轴承盒，刀柄组件套装在连接支架和主轴固定套内，刀柄的一端与主轴的转子连接，另一端的刀尖伸出至端盖外；作动器组件包括压电作动器，连接支架的侧面垂直于主轴轴向方向依次开设有三个安装孔，作动器组件的压电作动器以及加速度传感器和位移传感器分别安装在三个安装孔。该方法采用压电作动器施加激励、刀柄组件实现加载，可以准确方便地测试主轴在回转过程中的动态特性。
-
公开(公告)号：CN110553844A
公开(公告)日：2019-12-10
申请号：CN201910673971.5
申请日：2019-07-24
Applicant: 西安交通大学
IPC: G01M13/045 , G01M13/028 , G01B21/22 , G06F17/10
Abstract: 本发明公开了一种旋转机械的不对中故障检测方法及其检测系统，方法包括以下步骤：测量旋转机械的输入端转频ωs以及输入端轴承的轴向和径向振动信号x(t)；基于所述转频ωs以及输入端轴承的轴向和径向振动信号x(t)进行数据处理得到滤波后的信号y(t)以及基于滤波后的信号y(t)频谱处理得到频谱幅值指标；通过第二步骤得到轴向频谱幅值指标TZ和径向频谱幅值指标TJ，当轴向振动信号的频幅值指标TZ小于第一预定值，径向振动信号的频幅值指标TJ小于第二预定值，确定旋转机械正常对中，当轴向振动信号的频幅值指标TZ大于第一预定值和/或径向振动信号的频幅值指标TJ大于第二预定值，确定发生不对中故障。
-
公开(公告)号：CN107457609B
公开(公告)日：2019-12-03
申请号：CN201710742399.4
申请日：2017-08-25
Applicant: 西安交通大学
Abstract: 公开了一种基于刚度变化的铣削颤振抑制方法及铣削颤振优化系统，该方法对铣刀进行锤击模态实验，得到其模态质量，模态刚度以及模态阻尼等模态参数；通过对预定的工件材料进行铣削力系数辨识实验，得到铣削力系数；建立刚度时变铣削动力学方程；各种刚度变化下的刚度时变铣削动力学方程稳定性分析，得到不同条件下的铣削稳定性叶瓣图，比较所述叶瓣图，选择切削极限深度最大的作为切削参数以抑制颤振。采用本方法或系统可有效抑制铣削颤振，提升铣削稳定性叶瓣图，提高加工质量和加工效率。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.033 seconds)
