公开(公告)号：CN113536226A

公开(公告)日：2021-10-22

申请号：CN202110798951.8

申请日：2021-07-14

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平

IPC: G06F17/16 ,  G06N3/04 ,  G01M13/045

Abstract: 本发明涉及一种增强旋转机械故障信号特征的盲解卷积算法，包括以下步骤：S1：构建多个级联的FIR滤波器，根据原始振动信号的特征确定盲解卷积算法的最大化准则，将最大化准则作为目标函数；S2：利用级联的FIR滤波器依次对原始振动信号进行卷积运算，得滤波后的信号，计算滤波后的信号的目标函数值；S3：采用后向自动微分算法计算当前迭代次数下目标函数值对滤波器的梯度；S4：更新所有滤波器的值；S5：重复S2‑S4，达到最大迭代次数后，输出最终的滤波后的信号。解决了由于不同盲解卷积算法的迭代算法不能通用以及盲解卷积算法性能较差，导致旋转机械故障诊断精度不高的技术问题。

公开(公告)号：CN113536226B

公开(公告)日：2024-04-12

申请号：CN202110798951.8

申请日：2021-07-14

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平

IPC: G06F17/16 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明涉及一种增强旋转机械故障信号特征的盲解卷积算法，包括以下步骤：S1：构建多个级联的FIR滤波器，根据原始振动信号的特征确定盲解卷积算法的最大化准则，将最大化准则作为目标函数；S2：利用级联的FIR滤波器依次对原始振动信号进行卷积运算，得滤波后的信号，计算滤波后的信号的目标函数值；S3：采用后向自动微分算法计算当前迭代次数下目标函数值对滤波器的梯度；S4：更新所有滤波器的值；S5：重复S2‑S4，达到最大迭代次数后，输出最终的滤波后的信号。解决了由于不同盲解卷积算法的迭代算法不能通用以及盲解卷积算法性能较差，导致旋转机械故障诊断精度不高的技术问题。

公开(公告)号：CN114564986A

公开(公告)日：2022-05-31

申请号：CN202210159676.X

申请日：2022-02-21

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平 ,  黄鹏

IPC: G06K9/00 ,  G01M99/00 ,  G01M13/045

Abstract: 本发明涉及一种最小化周期性噪声幅值比解卷积特征提取方法，包括以下步骤：S1、采集旋转机械的加速度信号，确定待探测故障类型的故障周期以及最大迭代次数；S2、采用服从正态分布的随机数初始化一个FIR滤波器；S3、利用所述FIR滤波器对加速度信号滤波并计算滤波信号的周期性噪声幅值比；S4、计算所述周期性噪声幅值比的梯度；S5、通过RMSProp算法更新所述FIR滤波器的值，使得滤波信号的周期性噪声幅值比下降；S6、重复S3‑S5，达到最大迭代次数时输出滤波后的信号。本发明能够增强旋转机械故障激发的周期性冲击特征，为旋转机械故障诊断和健康状态监测提供准确的计算依据。

公开(公告)号：CN112577746A

公开(公告)日：2021-03-30

申请号：CN202011427884.0

申请日：2020-12-07

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平 ,  黄鹏

IPC: G01M13/045 ,  G06K9/00

Abstract: 本发明公开了一种转速波动下滚动轴承包络阶次谱故障特征的提取方法，解决了由于滚动轴承转速估计不准确导致无法精确获取故障特征阶次的技术问题，其技术方案要点是先对振动信号滤波降噪，然后在时频域构建时变带通滤波器对包络信号进行滤波得到滤波后的包络信号，通过计算相邻显著性极大值时间间隔的倒数得到瞬时故障特征频率序列，对瞬时故障特征频率序列进行拟合得到故障特征频率曲线，消除由测量、滚动体打滑和计算等原因造成的误差。该方案能够精确估计故障特征频率曲线，而不依赖转速测量传感器。获取的包络信号阶次谱精度高，故障特征阶次清晰明显，提高了转速波动下滚动轴承的故障诊断的精度与可靠度。

公开(公告)号：CN112577746B

公开(公告)日：2022-07-22

申请号：CN202011427884.0

申请日：2020-12-07

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平 ,  黄鹏

IPC: G01M13/045 ,  G06K9/00

Abstract: 本发明公开了一种转速波动下滚动轴承包络阶次谱故障特征的提取方法，解决了由于滚动轴承转速估计不准确导致无法精确获取故障特征阶次的技术问题，其技术方案要点是先对振动信号滤波降噪，然后在时频域构建时变带通滤波器对包络信号进行滤波得到滤波后的包络信号，通过计算相邻显著性极大值时间间隔的倒数得到瞬时故障特征频率序列，对瞬时故障特征频率序列进行拟合得到故障特征频率曲线，消除由测量、滚动体打滑和计算等原因造成的误差。该方案能够精确估计故障特征频率曲线，而不依赖转速测量传感器。获取的包络信号阶次谱精度高，故障特征阶次清晰明显，提高了转速波动下滚动轴承的故障诊断的精度与可靠度。

公开(公告)号：CN114564986B

公开(公告)日：2024-11-08

申请号：CN202210159676.X

申请日：2022-02-21

Applicant: 东南大学

Inventor： 胡建中 ,  方波 ,  许飞云 ,  贾民平 ,  黄鹏

IPC: G06F18/213 ,  G06F18/15 ,  G01M99/00 ,  G01M13/045

Abstract: 本发明涉及一种最小化周期性噪声幅值比解卷积特征提取方法，包括以下步骤：S1、采集旋转机械的加速度信号，确定待探测故障类型的故障周期以及最大迭代次数；S2、采用服从正态分布的随机数初始化一个FIR滤波器；S3、利用所述FIR滤波器对加速度信号滤波并计算滤波信号的周期性噪声幅值比；S4、计算所述周期性噪声幅值比的梯度；S5、通过RMSProp算法更新所述FIR滤波器的值，使得滤波信号的周期性噪声幅值比下降；S6、重复S3‑S5，达到最大迭代次数时输出滤波后的信号。本发明能够增强旋转机械故障激发的周期性冲击特征，为旋转机械故障诊断和健康状态监测提供准确的计算依据。