一种基于VMD参数优化的风机主轴轴承故障诊断方法

    公开(公告)号:CN114894479A

    公开(公告)日:2022-08-12

    申请号:CN202210127710.5

    申请日:2022-02-11

    Inventor: 马佳能 王洋 李震

    Abstract: 本发明涉及一种基于VMD参数优化的风机主轴轴承故障诊断方法,其特征在于,包括以下步骤:S1:获取风机主轴的轴承振动信号,并将其作为VMD模型的输入信息;S2:采用网格搜索法和交叉验证法确定VMD模型最优的参数组合,并将最优的参数组合代入VMD模型中,由VMD模型对轴承振动信号进行分解,获取若干个模态分量;S3:计算各模态分量的相关峭度值,选取峭度值最大的模态分量;S4:对峭度值最大的模态分量进行包络谱解调,获取并分析轴承的真实特征频率,进而确定轴承故障类型。与现有技术相比,该发明能够降低人工随机参数选取造成的诊断误差,提高模型推广能力。

    电机轴承故障诊断方法
    2.
    发明公开

    公开(公告)号:CN116242611A

    公开(公告)日:2023-06-09

    申请号:CN202310011935.9

    申请日:2023-01-05

    Inventor: 胡思鹏 王洋

    Abstract: 本发明公开了电机轴承故障诊断方法,包括:步骤S1,构建CLSTM故障诊断模型,并采用SSA进行优化,获得SSA‑CLSMT模型;步骤S2,采集电机轴承在正常、外圈损伤、内圈损伤、滚珠损伤的原始振动信号,并对数据集打标签分类,按0.2比例划分为训练集和测试集,输入到SSA‑CLSMT模型中;步骤S3,初始化SSA‑CLSMT模型参数——最大迭代次数G、麻雀种群数N、麻雀个体数Dim、发现者比例P、上边界Ub、下边界Lb、预警值和适应度函数f;步骤S4,更新麻雀个体的位置,返回当前最佳麻雀个体和最佳适应度值;避免了故障诊断模型人工调参,改善了传统的优化算法收敛精度低、优化速度慢、易陷入局部最优的状况,有效缓解过拟合,提升了故障的诊断效果。

    一种基于故障相关主成分空间的化工过程故障检测方法

    公开(公告)号:CN106529079A

    公开(公告)日:2017-03-22

    申请号:CN201611075035.7

    申请日:2016-11-29

    Inventor: 王洋 姜庆超

    Abstract: 本发明公开了一种基于故障相关主成分空间的化工过程故障检测方法,所述方法包括:根据正常状态下的历史数据采用PCA构建主元空间和残差空间;根据故障状态下的历史数据采用GA对主元空间进行优化得到故障相关主元;在各个故障相关主元子空间及残差空间内构造统计量;采用贝叶斯方法将各个故障相关主元子空间及残差空间的统计量融合成综合统计量;在线监测时,根据在线采集数据计算综合统计量,判断运行状态。本发明利用历史正常数据建立故障检测空间,利用历史故障数据采用GA对故障检测空间进行优化,降低故障检测的冗余,提高故障检测的效率与准确率。

    基于k均值的RBF神经网络算法的电机故障诊断方法

    公开(公告)号:CN105487009A

    公开(公告)日:2016-04-13

    申请号:CN201510799865.3

    申请日:2015-11-19

    CPC classification number: G01R31/34 G06N3/04 G06N3/08

    Abstract: 一种基于k均值的RBF神经网络算法的电机故障诊断方法,包括:根据k均值聚类算法提取出电机的故障样本集,利用故障样本集使RBF神经网络开始学习训练;当RBF神经网络训练完成后,使各个隐节点的数据中心相应的输出权值不再改变,随后使RBF神经网络进入工作状态,已训练完成的RBF神经网络中的数据中心和连接权值记录了故障特征;电机测试数据经过归一化处理;将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆,将故障征兆传递给RBF神经网络;将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较;在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时,RBF神经网络输出与特定故障特征对应的故障类型。

    一种基于鱼鹰算法和非线性收敛因子策略的灰狼改进方法

    公开(公告)号:CN118485097A

    公开(公告)日:2024-08-13

    申请号:CN202410662329.8

    申请日:2024-05-27

    Abstract: 本发明公开了一种基于鱼鹰算法和非线性收敛因子策略的灰狼改进方法,包括:步骤S1,生成一初始化种群,包括种群数量N,最大迭代次数Imax,参数a、A、C;步骤S2,在生成的初始化种群中计算个体适应度并保存适应度前三的三个个体α、β、δ,其余个体为ω;步骤S3,根据灰狼算法中的个体位置更新公式更新灰狼种群的位置;步骤S4,灰狼个体寻找更适合进食的位置;步骤S5,更新参数a、A、C;步骤S6,计算灰狼个体适应度更新α、β、δ和ω以及对应的位置信息;步骤S7,在灰狼种群的位置更新中使用贪婪策略,留下适应度更高的个体,淘汰适应度低的个体。提高了种群多样性和搜索遍历的均匀性。

    一种基于GRU超参数优化的风机主轴轴承寿命预测方法

    公开(公告)号:CN114330141A

    公开(公告)日:2022-04-12

    申请号:CN202210008287.7

    申请日:2022-01-06

    Inventor: 马佳能 王洋

    Abstract: 本发明公开了一种基于GRU超参数优化的风机主轴轴承寿命预测方法,属于风电主轴承技术领域,该预测方法具体步骤如下:(1)寻找最优参数;(2)轴承寿命预测;本发明采用长期迭代法训练该预测模型,并将测试集输入到训练好的模型中,画出轴承剩余寿命预测曲线,并加以分析,能够提高诊断模型的精度和人工寻找参数的效率,同时不需要人工设置参数且不需要人工建模,仅需要将轴承振动信号直接输入到模型中便可预测出轴承当前剩余寿命,使得操作过程简单、易操作。

    一种利用分块PCA检测化工过程故障的方法

    公开(公告)号:CN106354125A

    公开(公告)日:2017-01-25

    申请号:CN201610983122.6

    申请日:2016-11-09

    Inventor: 王洋 李全峰

    CPC classification number: G05B23/024

    Abstract: 本发明公开了一种利用分块PCA(主元分析)检测化工过程故障的方法,利用互信息处理系统包括分析局部故障的主成分分析模块、具体检测故障的统计量合成模块等设备,实现了包括利用互信息将过程变量划分为子块、在每个子块内建立PCA监测模型以及利用支撑向量机数据描述来判断过程运行状态这三项工作步骤,一方面降低监测模型的复杂度,另一方面充分考虑众多变量之间的相关关系,实现大规模生产过程的有效故障检测。

Patent Agency Ranking