公开(公告)号：CN106338385B

公开(公告)日：2019-03-19

申请号：CN201610730284.9

申请日：2016-08-25

Applicant: 东南大学

Inventor： 贾民平 ,  鄢小安 ,  许飞云 ,  胡建中 ,  黄鹏 ,  朱林 ,  张菀

IPC: G01M13/00

Abstract: 本发明公开了一种基于奇异谱分解的旋转机械故障诊断方法，包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障特征频率处是否存在明显峰值，从而实现旋转机械故障类型的准确判别。本发明简单易行，较其他现有技术相比能够实现更为精确的故障诊断。

公开(公告)号：CN106338385A

公开(公告)日：2017-01-18

申请号：CN201610730284.9

申请日：2016-08-25

Applicant: 东南大学

Inventor： 贾民平 ,  鄢小安 ,  许飞云 ,  胡建中 ,  黄鹏 ,  朱林 ,  张菀

IPC: G01M13/00

Abstract: 本发明公开了一种基于奇异谱分解的旋转机械故障诊断方法，包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障特征频率处是否存在明显峰值，从而实现旋转机械故障类型的准确判别。本发明简单易行，较其他现有技术相比能够实现更为精确的故障诊断。

公开(公告)号：CN105760843A

公开(公告)日：2016-07-13

申请号：CN201610113178.6

申请日：2016-02-29

Applicant: 东南大学

Inventor： 贾民平 ,  张菀 ,  许飞云 ,  胡建中 ,  黄鹏 ,  朱林

IPC: G06K9/00

CPC classification number: G06K9/00523

Abstract: 一种滚动轴承早期故障特征提取方法，本发明提供了一种基于稀疏优化的滚动轴承早期故障特征方法，包括如下步骤：步骤(1)采集滚动轴承加速度信号作为待分析信号；步骤(2)建立待分析信号的稀疏优化函数并求解得到待分析信号中的周期冲击成分；步骤(3)对周期冲击成分进行包络解调分析得到故障特征频率。本发明利用滚动轴承故障信号本身具有稀疏性的先验知识，而不需基于故障信号在字典变换下系数的稀疏性，避免了选择字典不合适而导致诊断失误的问题。