-
公开(公告)号：CN115452956B
公开(公告)日：2025-01-24
申请号：CN202211055536.4
申请日：2022-08-31
Applicant: 中南大学
Abstract: 本发明公开了一种导波信号的多样性扩充方法、系统、设备及介质，S1，对导波信号进行连续小波变换，得到M组尺度信号；S2，分别在特定的取值范围内，随机生成M组幅度系数和频率系数；S3，根据尺度信号、幅度系数和频率系数，计算得到M组新的尺度信号功率谱；S4，采用平均尺度功率对M组新的尺度信号功率谱进行计算，计算所有新的尺度信号的平均功率，得到该导波信号的一个扩充后的波包信号；S5，重复S2‑S4，能够对各种导波信号进行扩充，并且具有物理含义和可解释性。
-
公开(公告)号：CN115436052A
公开(公告)日：2022-12-06
申请号：CN202211064326.1
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种转频自动搜索方法、系统、设备及存储介质，获取齿轮真实转频所处的频率范围，以及真实转频的各阶高次谐波的频率范围；获取齿轮的振动信号，构建振动信号的幅频特性曲线，在幅频特性曲线中真实转频及其各阶高次谐波的频率范围内作上包络曲线；提取包络曲线中的峰值频率，与真实转频及其各阶高次谐波的频率范围对比，取频率范围内的峰值频率，记录为转频或高次谐波；利用所提取得多个转频或高次谐波，对预估转频进行推断；根据推断的转频，结合传动关系，计算齿轮啮合频率所处的频率范围，并提取啮合频率作为佐证啮合频率；通过佐证啮合频率推断出转频结果，作为搜索得精准转频。实现了转频成分的准确识别。
-
公开(公告)号：CN116136441B
公开(公告)日：2024-06-25
申请号：CN202310158491.1
申请日：2023-02-23
Applicant: 中南大学
IPC: G01L5/24 , G06F18/213 , G06F17/14
Abstract: 本发明公开了一种基于非线性Lamb波的螺栓早期松动预紧状态监测方法、系统及装置，包括：采集螺栓全寿命预紧状态下的Lamb波信号，并对采集的Lamb波信号进行相位反转信号处理得到相位反转信号，增强非线性波对微损伤的敏感性；基于采集的Lamb波信号频谱的基波幅值和相位反转信号频谱的二次谐波幅值，获取相位反转相对非线性系数；通过相位反转相对非线性系数，获取螺栓早期松动临界点，克服了线性指标对早期松动不敏感的缺点，实现早期松动临界点的识别，在确定松动早期阶段后，基于典型相关森林算法建立了融合非线性损伤指标的定量监测模型对预紧状态进行定量评价；本发明通过获取完全螺栓松动时出现峰值，提高了对螺栓状态监测的准确性。
-
公开(公告)号：CN116858540A
公开(公告)日：2023-10-10
申请号：CN202310814954.5
申请日：2023-07-04
Applicant: 中南大学
IPC: G01M13/045 , G06F30/27 , G06N3/0464 , G06N3/096 , G06F119/14
Abstract: 本发明公开了基于数据融合的列车轴承故障诊断方法、系统、装置及介质，包括：构建轴承故障动力学模型，进一步获取轴承仿真振动信号，从而获取轴承故障动力学模型的故障特征频率；将轴承故障动力学模型的故障特征频率与真实故障轴承试件的故障特征频率进行融合，获取仿真融合故障数据；将仿真融合故障数据频域信号输入卷积神经网络中进行预训练，基于参数迁移策略对真实试验的故障数据进行迁移学习，构建轴承故障诊断模型；基于最优化的轴承故障诊断模型，获取列车轴承的故障位置。本发明通过融合仿真与真实数据达到减少源域与目标域的特征分布差异的目的，并利用机理仿真数据辅助训练模型，提升卷积神经网络模型的泛化能力、稳定性和准确性。
-
公开(公告)号：CN116050025A
公开(公告)日：2023-05-02
申请号：CN202310159868.5
申请日：2023-02-23
Applicant: 中南大学
Abstract: 本发明公开了一种吊挂螺栓疲劳寿命评估方法、系统、设备及存储介质，S1，建立吊挂螺栓疲劳寿命模型；S2，根据疲劳寿命模型构建不同合理变量组合下吊挂螺栓的循环寿命数据集；S3，构建分均质量、应力比、动载荷三类融合性特征指标；S4，构建多层感知机网络模型，将三类融合性特征指标作为多层感知机网络模型的输入，将疲劳寿命取对数作为多层感知机网络模型的标签数据；S5，采用筛选并选取后循环寿命数据集中的样本，训练并测试多层感知机网络模型，评估吊挂螺栓的疲劳寿命。求解精度高，适用性强，能准确求解螺栓在不同变量下的循环寿命。
-
Patent Agency Ranking
公开(公告)号：CN115452956A
公开(公告)日：2022-12-09
申请号：CN202211055536.4
申请日：2022-08-31
Applicant: 中南大学
Abstract: 本发明公开了一种导波信号的多样性扩充方法、系统、设备及介质，S1，对导波信号进行连续小波变换，得到M组尺度信号；S2，分别在特定的取值范围内，随机生成M组幅度系数和频率系数；S3，根据尺度信号、幅度系数和频率系数，计算得到M组新的尺度信号功率谱；S4，采用平均尺度功率对M组新的尺度信号功率谱进行计算，计算所有新的尺度信号的平均功率，得到该导波信号的一个扩充后的波包信号；S5，重复S2‑S4，能够对各种导波信号进行扩充，并且具有物理含义和可解释性。
-
公开(公告)号：CN115436052B
公开(公告)日：2024-06-14
申请号：CN202211064326.1
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种转频自动搜索方法、系统、设备及存储介质，获取齿轮真实转频所处的频率范围，以及真实转频的各阶高次谐波的频率范围；获取齿轮的振动信号，构建振动信号的幅频特性曲线，在幅频特性曲线中真实转频及其各阶高次谐波的频率范围内作上包络曲线；提取包络曲线中的峰值频率，与真实转频及其各阶高次谐波的频率范围对比，取频率范围内的峰值频率，记录为转频或高次谐波；利用所提取得多个转频或高次谐波，对预估转频进行推断；根据推断的转频，结合传动关系，计算齿轮啮合频率所处的频率范围，并提取啮合频率作为佐证啮合频率；通过佐证啮合频率推断出转频结果，作为搜索得精准转频。实现了转频成分的准确识别。
-
公开(公告)号：CN115420498B
公开(公告)日：2024-06-14
申请号：CN202211064515.9
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028 , G06F18/2131 , G06F18/24 , G06F18/10
Abstract: 本发明属于齿轮箱故障诊断技术领域，涉及一种基于波峰计数的齿轮故障量化诊断方法，包括如下步骤：通过对目标的各类齿轮箱振动信号进行信号处理，获得预设频段范围的振动信号频域图像；根据各齿轮箱对应的振动信号频域图像幅值大小初步设定初始阈值，计算振动信号频域图像上通过该初始阈值的波峰数；之后对比各组信号在频域图像上通过该阈值的波峰数量，根据比较结果确定或修正阈值，最终确定合适的阈值范围，并计算得到各组信号通过合适范围阈值的波峰数量；最后对合适阈值范围内计得各组信号通过阈值的波峰数量进行分析，确定各信号对应齿轮箱的具体故障类型。不需要大量的学习样本，且能够对各种齿轮系统故障类型做出精确诊断区分。
-
公开(公告)号：CN116136441A
公开(公告)日：2023-05-19
申请号：CN202310158491.1
申请日：2023-02-23
Applicant: 中南大学
IPC: G01L5/24 , G06F18/213 , G06F17/14
Abstract: 本发明公开了一种基于非线性Lamb波的螺栓早期松动预紧状态监测方法、系统及装置，包括：采集螺栓全寿命预紧状态下的Lamb波信号，并对采集的Lamb波信号进行相位反转信号处理得到相位反转信号，增强非线性波对微损伤的敏感性；基于采集的Lamb波信号频谱的基波幅值和相位反转信号频谱的二次谐波幅值，获取相位反转相对非线性系数；通过相位反转相对非线性系数，获取螺栓早期松动临界点，克服了线性指标对早期松动不敏感的缺点，实现早期松动临界点的识别，在确定松动早期阶段后，基于典型相关森林算法建立了融合非线性损伤指标的定量监测模型对预紧状态进行定量评价；本发明通过获取完全螺栓松动时出现峰值，提高了对螺栓状态监测的准确性。
-
公开(公告)号：CN115855483A
公开(公告)日：2023-03-28
申请号：CN202211058455.X
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028 , G06F18/213 , G06F18/24 , G06F18/2433
Abstract: 本发明涉及齿轮故障诊断领域，公开一种齿轮箱故障自动诊断方法，包括以下步骤：计算齿轮轴的转频和齿轮箱啮合对的啮合频率；对各类齿轮箱系统的振动信号进行信号处理，获得振动信号的频谱图；振动信号的频谱图中包括啮合频率及边频；以啮合频率的左侧和右侧的一阶转频的边频，及啮合频率的左侧和右侧的二阶转频的边频，作为故障特征频率，采用构建的故障特征频率识别方法，对故障特征频率分别进行识别，判定该故障特征频率处是否存在故障成分，得到故障特征频率与故障类型的对应关系；构建自动诊断模型，对实际测量得到的各类齿轮箱系统的振动信号进行分析，做出故障诊断结果。解决了现有技术缺乏应对复杂多变工况的便捷、自动化诊断技术的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
