-
公开(公告)号：CN114088385B
公开(公告)日：2023-11-10
申请号：CN202110958609.X
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种改进自适应调频模式分解时频分析方法，改进的自适应调频模式分解采用条件熵优化自适应调频模式分解阈值和多项式调频变换估计初始瞬时频率的方法处理较为接近和微弱的信号分量。与传统的时频检测方法相比，改进的自适应调频模式分解在强干扰条件下能够有效的解决齿轮箱振动信号分量间存在干扰的问题。改进的自适应调频模式分解可以有效地提取故障特性并生成高分辨率时频表示结果，清晰表示振动信号中与故障相关的特征分量，有效的识别出行星齿轮箱的局部故障。通过对变转速齿轮箱故障信号的仿真分析，验证了所提方法的有效性。实验数据分析结果也表明该方法可以有效的对变转速齿轮箱中的故障进行诊断。
-
公开(公告)号：CN109101936A
公开(公告)日：2018-12-28
申请号：CN201810956887.X
申请日：2018-08-21
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于自适应MED滚动轴承早期故障诊断方法，该方法为一种针对轴承外圈早期故障的诊断方法。本发明针对，MED降噪效果受滤波器阶数L影响的问题，研究了轴承的故障机理，提出了一种利用遗传算法和Teager能量算子包络谱熵(TESE)为目标函数的自适应MED降噪方法。首先提出TESE指标，衡量信号的降噪效果；再利用遗传算法优良的寻优特性，以TESE作为目标函数，对MED算法的最佳影响参数进行寻优，通过解调谱提取微弱故障特征。该方法能够对早期微弱故障中的冲击成分进行自适应增强，可有效提取滚动轴承早期故障特征频率信息。
-
公开(公告)号：CN114662226B
公开(公告)日：2024-03-29
申请号：CN202210173117.4
申请日：2022-02-24
Applicant: 北京工业大学
IPC: G06F30/17 , G06F30/20 , G06F17/16 , G06F119/04
Abstract: 本发明公开了一种基于时变卡尔曼滤波的滚动轴承剩余使用寿命预测方法，该方法可自动匹配滚动轴承不同退化阶段特点，分别建立基于一次线性函数和二次非线性函数的时变卡尔曼滤波器模型，以时移窗滤波相对误差指标因子自适应的判断轴承退化状态，自动切换卡尔曼滤波器处理不同阶段的监测数据，实现轴承剩余使用寿命的有效预测。
-
Patent Agency Ranking
公开(公告)号：CN115481568A
公开(公告)日：2022-12-16
申请号：CN202211067564.8
申请日：2022-09-01
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/00 , G06Q10/00 , G06Q10/04 , G06Q50/04 , G06F111/08 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于自适应模型粒子滤波算法的滚动轴承剩余使用寿命预测方法，该方法基于滚动轴承性能退化的演变规律，将退化过程划分为健康、退化和失效三个阶段。引入Box‑Cox变换及3σ原则，准确地确定了轴承开始退化的时刻及失效阈值，实现了健康状态的自主识别；针对单一预测模型难以准确跟踪轴承退化状态的难点，提出自适应模型匹配策略选择最优滤波模型的方法，实现了退化状态的动态追踪；创新性地提出了基于已有数据的全局/局部信息融合方法预测轴承寿命，避免了单次预测的偶然性，从而获得了剩余使用寿命概率密度函数的最佳估计。
-
公开(公告)号：CN110823575B
公开(公告)日：2021-03-16
申请号：CN201911090613.8
申请日：2019-11-09
Applicant: 北京工业大学
IPC: G01M13/045 , G06F30/20 , G06F30/17 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种基于性能退化字典构造与相似性的轴承寿命预测方法。该方法基于滚道表面形貌的演变机理，将退化过程划分为健康、凹痕、裂纹、剥落四个阶段。充分考虑时变形貌和时变刚度的耦合激励，建立5自由度滚动轴承非线性动力学模型，求解模型的振动响应，构造性能退化字典，作为相似性寿命预测方法的参考集，进而得到剩余使用寿命概率密度函数的估计。
-
公开(公告)号：CN114088385A
公开(公告)日：2022-02-25
申请号：CN202110958609.X
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种改进自适应调频模式分解时频分析方法，改进的自适应调频模式分解采用条件熵优化自适应调频模式分解阈值和多项式调频变换估计初始瞬时频率的方法处理较为接近和微弱的信号分量。与传统的时频检测方法相比，改进的自适应调频模式分解在强干扰条件下能够有效的解决齿轮箱振动信号分量间存在干扰的问题。改进的自适应调频模式分解可以有效地提取故障特性并生成高分辨率时频表示结果，清晰表示振动信号中与故障相关的特征分量，有效的识别出行星齿轮箱的局部故障。通过对变转速齿轮箱故障信号的仿真分析，验证了所提方法的有效性。实验数据分析结果也表明该方法可以有效的对变转速齿轮箱中的故障进行诊断。
-
公开(公告)号：CN110823575A
公开(公告)日：2020-02-21
申请号：CN201911090613.8
申请日：2019-11-09
Applicant: 北京工业大学
IPC: G01M13/045 , G06F30/20 , G06F30/17 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种基于性能退化字典构造与相似性的轴承寿命预测方法。该方法基于滚道表面形貌的演变机理，将退化过程划分为健康、凹痕、裂纹、剥落四个阶段。充分考虑时变形貌和时变刚度的耦合激励，建立5自由度滚动轴承非线性动力学模型，求解模型的振动响应，构造性能退化字典，作为相似性寿命预测方法的参考集，进而得到剩余使用寿命概率密度函数的估计。
-
公开(公告)号：CN114662226A
公开(公告)日：2022-06-24
申请号：CN202210173117.4
申请日：2022-02-24
Applicant: 北京工业大学
IPC: G06F30/17 , G06F30/20 , G06F17/16 , G06F119/04
Abstract: 本发明公开了一种基于时变卡尔曼滤波的滚动轴承剩余使用寿命预测方法，该方法可自动匹配滚动轴承不同退化阶段特点，分别建立基于一次线性函数和二次非线性函数的时变卡尔曼滤波器模型，以时移窗滤波相对误差指标因子自适应的判断轴承退化状态，自动切换卡尔曼滤波器处理不同阶段的监测数据，实现轴承剩余使用寿命的有效预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
