-
公开(公告)号：CN110320018B
公开(公告)日：2020-08-11
申请号：CN201910630019.7
申请日：2019-07-12
Applicant: 北京交通大学
IPC: G01M13/00
Abstract: 本发明公开了一种基于二阶循环平稳特性的旋转机械复合故障诊断方法，包括以下步骤：S1，采集旋转机械的振动加速度信号，利用短时傅里叶变换(STFT)将原始信号转换到时频域；S2，根据二阶循环平稳特性，建立时间相关的随机模型；S3，通过最大化似然目标函数，即最大期望(EM)算法，进行模型求解；S4，根据模型参数估计值，量化原始信号的循环平稳特性；S5，根据S1‑S4步骤，联合时间域的循环平稳信号模型参数估计值和循环平稳指数CS(fk)等信息，计算出相应的故障特征频率。本发明针对旋转机械复合故障信号，提出了一种循环平稳指数CS，能有效量化原始信号的循环平稳性，且能有效提高多源混叠工况下故障诊断的准确性，并且容易与现有方法进行兼容。
-
公开(公告)号：CN110309550A
公开(公告)日：2019-10-08
申请号：CN201910495102.8
申请日：2019-06-10
Applicant: 北京交通大学
IPC: G06F17/50
Abstract: 本发明提供了一种基于势能场与网络效率的高速列车系统可靠性分析方法，该方法具体步骤如下：首先，分析高速列车系统拓扑结构特点，并基于复杂网络理论建立高速列车系统网络模型；其次，基于高速列车复杂网络模型与势能场理论，分析高速列车系统故障传播的整个动态过程，得到系统故障每步传播失效部件；最后，在高速列车系统故障传播的基础上，基于网络效率相关指标动态分析高速列车系统可靠性。本发明结合列车系统故障传播与系统网络效率等相关指标分析高速列车系统可靠性，能够动态逐步的分析高速列车系统可靠性变化规律，为运营维护人员重点维护任务提供了理论支持。
-
公开(公告)号：CN109556862A
公开(公告)日：2019-04-02
申请号：CN201811402698.4
申请日：2018-11-23
Applicant: 北京交通大学
IPC: G01M13/045
Abstract: 本发明提供了基于自供电传感网络的轨道列车轮对轴承的安全监测系统，包括：能量收集装置、无线传感器和数据分析中心；能量收集装置，用于将列车运行过程中产生的振动机械能转化为电能，并将所述的电能输出给所述的无线传感器，所述的无线传感器通过所述的电能进行工作；无线传感器，用于以一定的频率采集列车运行过程中轮对轴承的振动加速度数据，并将所述振动加速度数据实时发送到所述数据分析中心；数据分析中心，用于对接收到的所述无线传感器发送的列车轮对轴承实时振动加速度数据进行实时分析。实现了轴承运行状态的实时监控预警，为列车的服役安全和健康管理提供了有效的技术手段。
-
Patent Agency Ranking
公开(公告)号：CN110555230A
公开(公告)日：2019-12-10
申请号：CN201910630036.0
申请日：2019-07-12
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于集成GMDH框架的旋转机械剩余寿命预测方法，所述方法包括以下步骤：S1，采集多个同一种类旋转机械从正常运行到故障失效过程中的多个传感器数据，通过数据处理，得到训练数据集合W；S2，将数据集通过不同的划分，分别用于构建三个具有差异性的GMDH预测网络；S3，将三个GMDH网络在训练样本上的预测输出作为三层BP神经网络的输入对BP神经网络进行训练，该BP神经网络用于对三个GMDH网络的预测结果进行集成；S4，利用所述集成GMDH框架对旋转机械剩余寿命进行预测，计算并输出剩余寿命预测值。本发明与经典的LSTM网络和单个GMDH网络相比，能有效提高预测精度和泛化能力，具有更大的实际指导意义。
-
公开(公告)号：CN110320018A
公开(公告)日：2019-10-11
申请号：CN201910630019.7
申请日：2019-07-12
Applicant: 北京交通大学
IPC: G01M13/00
Abstract: 本发明公开了一种基于二阶循环平稳特性的旋转机械复合故障诊断方法，包括以下步骤：S1，采集旋转机械的振动加速度信号，利用短时傅里叶变换(STFT)将原始信号转换到时频域；S2，根据二阶循环平稳特性，建立时间相关的随机模型；S3，通过最大化似然目标函数，即最大期望(EM)算法，进行模型求解；S4，根据模型参数估计值，量化原始信号的循环平稳特性；S5，根据S1-S4步骤，联合时间域的循环平稳信号 模型参数估计值和循环平稳指数CS(fk)等信息，计算出相应的故障特征频率。本发明针对旋转机械复合故障信号，提出了一种循环平稳指数CS，能有效量化原始信号的循环平稳性，且能有效提高多源混叠工况下故障诊断的准确性，并且容易与现有方法进行兼容。
-
公开(公告)号：CN110309550B
公开(公告)日：2021-06-22
申请号：CN201910495102.8
申请日：2019-06-10
Applicant: 北京交通大学 , 中车青岛四方机车车辆股份有限公司
IPC: G06F30/18 , G06F30/13 , G06F119/02
Abstract: 本发明提供了一种基于势能场与网络效率的高速列车系统可靠性分析方法，该方法具体步骤如下：首先，分析高速列车系统拓扑结构特点，并基于复杂网络理论建立高速列车系统网络模型；其次，基于高速列车复杂网络模型与势能场理论，分析高速列车系统故障传播的整个动态过程，得到系统故障每步传播失效部件；最后，在高速列车系统故障传播的基础上，基于网络效率相关指标动态分析高速列车系统可靠性。本发明结合列车系统故障传播与系统网络效率等相关指标分析高速列车系统可靠性，能够动态逐步的分析高速列车系统可靠性变化规律，为运营维护人员重点维护任务提供了理论支持。
-
公开(公告)号：CN110555230B
公开(公告)日：2021-02-26
申请号：CN201910630036.0
申请日：2019-07-12
Applicant: 北京交通大学
IPC: G06F30/17 , G06F30/20 , G06N3/08 , G06N3/04 , G06F119/04
Abstract: 本发明公开了一种基于集成GMDH框架的旋转机械剩余寿命预测方法，所述方法包括以下步骤：S1，采集多个同一种类旋转机械从正常运行到故障失效过程中的多个传感器数据，通过数据处理，得到训练数据集合W；S2，将数据集通过不同的划分，分别用于构建三个具有差异性的GMDH预测网络；S3，将三个GMDH网络在训练样本上的预测输出作为三层BP神经网络的输入对BP神经网络进行训练，该BP神经网络用于对三个GMDH网络的预测结果进行集成；S4，利用所述集成GMDH框架对旋转机械剩余寿命进行预测，计算并输出剩余寿命预测值。本发明与经典的LSTM网络和单个GMDH网络相比，能有效提高预测精度和泛化能力，具有更大的实际指导意义。
-
公开(公告)号：CN109668732A
公开(公告)日：2019-04-23
申请号：CN201811510327.8
申请日：2018-12-11
Applicant: 北京交通大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明提供了一种基于循环相关熵的滚动轴承的故障诊断方法。该方法包括：分别采集滚动轴承处于不同故障状态下的轴承数据，计算出每种故障的故障特征频率；对轴承数据进行加窗处理，将轴承数据划分成多个数据块，选取高斯核函数作为循环相关熵的核函数，计算出每个数据块的平均循环相关熵，以及平均循环相关熵的傅里叶变换的均值在f域的傅里叶变换结果；根据傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，根据故障信号的频谱分布结果和每种故障状态下的轴承数据的故障特征频率对轴承的故障类型进行判断。本发明的方法能够更好的处理在非高斯噪声环境下，尤其是冲击噪声干扰条件下的故障轴承信号，能够更好的满足工程实践的要求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
