公开(公告)号：CN114964769A

公开(公告)日：2022-08-30

申请号：CN202210477896.7

申请日：2022-04-26

Applicant: 东南大学

Inventor： 邓艾东 ,  凌峰 ,  杨宏强 ,  王鹏程 ,  董路南 ,  卞文彬 ,  占可

IPC: G01M13/021 ,  G01M13/028 ,  G06F17/16

Abstract: 本发明涉及一种风电齿轮箱振动信号故障诊断方法，包括：获得原始振动信号；根据原始振动信号构造Hankel矩阵，对Hankel矩阵进行奇异值分解获得奇异值序列矩阵；确定奇异值序列矩阵的硬阈值，基于所述硬阈值利用混合阈值奇异值分解降噪算法处理所述奇异值序列矩阵；将处理后的奇异值序列矩阵还原成Hankel矩阵，再还原成降噪后的振动信号；将降噪后的振动信号进行滤波；将滤波后信号进行包络分析，获得故障特征频率。本发明采用奇异值分解的硬阈值自适应选取算法，解决了传统的硬阈值奇异值分解降噪法阈值选取主观性较强、自适应性较弱、易丢失信号特征的问题，旨在实现在强噪声环境下对风电齿轮箱故障特征的有效提取。

公开(公告)号：CN114441172A

公开(公告)日：2022-05-06

申请号：CN202111627847.9

申请日：2021-12-28

Applicant: 东南大学

Inventor： 邓艾东 ,  王鹏程 ,  刘洋 ,  邓敏强 ,  凌峰

IPC: G01M13/045 ,  G06F17/15

Abstract: 本发明涉及一种滚动轴承故障振动信号分析方法，包括：S1获得原始振动信号，计算特征频率；S2初始化粒子群算法的参数，设定寻优滤波器长度的范围及迭代次数；S3初始化滤波器，对振动信号采用基于平方包络谱的盲反卷积进行滤波处理，得滤波信号；S4计算滤波信号的故障特征频率比，将故障特征频率比的最大值作为粒子群算法的适应度函数，更新粒子群算法中粒子的速度和位置；S5重复步骤S3至S4，至粒子的最佳位置不发生改变或者达设定迭代次数，输出最优滤波器长度；S6获得最优滤波器长度对应的滤波器滤波后的信号，对滤波后的信号进行包络分析，识别故障类型。本发明可在强噪声和谐波干扰条件下提取滚动轴承的故障特征。

公开(公告)号：CN117542191A

公开(公告)日：2024-02-09

申请号：CN202311398805.1

申请日：2023-10-26

Applicant: 山东高速集团有限公司 ,  山东高速基础设施建设有限公司 ,  东南大学

Inventor： 孙付春 ,  刘志远 ,  薛志超 ,  刘婧涵 ,  陈成勇 ,  周臻 ,  刘乐民 ,  史云阳 ,  王鹏程 ,  谢国木

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06N20/00

Abstract: 本发明公开了一种可解释的交通流预测堆叠方法，包括如下步骤：S1、收集交通流量预测相关时空特征及数据预处理；S2、搭建堆叠模型、调试与检验；S3、通过一致性聚类思想评估各个时空特征对预测结果的影响。本发明在提升预测结果的准确度的同时，保证了预测结果的可解释性；提供了一个旨在增强预测精度和模型可解释性的新框架，从而帮助交通专业人员和利益相关者做出更明智的决策。

公开(公告)号：CN114441172B

公开(公告)日：2023-12-15

申请号：CN202111627847.9

申请日：2021-12-28

Applicant: 东南大学

Inventor： 邓艾东 ,  王鹏程 ,  刘洋 ,  邓敏强 ,  凌峰

IPC: G01M13/045 ,  G06F17/15

Abstract: 本发明涉及一种滚动轴承故障振动信号分析方法，包括：S1获得原始振动信号，计算特征频率；S2初始化粒子群算法的参数，设定寻优滤波器长度的范围及迭代次数；S3初始化滤波器，对振动信号采用基于平方包络谱的盲反卷积进行滤波处理，得滤波信号；S4计算滤波信号的故障特征频率比，将故障特征频率比的最大值作为粒子群算法的适应度函数，更新粒子群算法中粒子的速度和位置；S5重复步骤S3至S4，至粒子的最佳位置不发生改变或者达设定迭代次数，输出最优滤波器长度；S6获得最优滤波器长度对应的滤波器滤波后的信号，对滤波后的信号进行包络分析，识别故障类型。本发明可在强噪声和谐波干扰条件下提取滚动轴承的故障特征。

公开(公告)号：CN114964769B

公开(公告)日：2025-02-28

申请号：CN202210477896.7

申请日：2022-04-26

Applicant: 东南大学

Inventor： 邓艾东 ,  凌峰 ,  杨宏强 ,  王鹏程 ,  董路南 ,  卞文彬 ,  占可

IPC: G01M13/021 ,  G01M13/028 ,  G06F17/16

Abstract: 本发明涉及一种风电齿轮箱振动信号故障诊断方法，包括：获得原始振动信号；根据原始振动信号构造Hankel矩阵，对Hankel矩阵进行奇异值分解获得奇异值序列矩阵；确定奇异值序列矩阵的硬阈值，基于所述硬阈值利用混合阈值奇异值分解降噪算法处理所述奇异值序列矩阵；将处理后的奇异值序列矩阵还原成Hankel矩阵，再还原成降噪后的振动信号；将降噪后的振动信号进行滤波；将滤波后信号进行包络分析，获得故障特征频率。本发明采用奇异值分解的硬阈值自适应选取算法，解决了传统的硬阈值奇异值分解降噪法阈值选取主观性较强、自适应性较弱、易丢失信号特征的问题，旨在实现在强噪声环境下对风电齿轮箱故障特征的有效提取。