-
公开(公告)号：CN113281047A
公开(公告)日：2021-08-20
申请号：CN202110258624.3
申请日：2021-03-09
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于变尺度Lempel‑Ziv的轴承内外圈故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法首先根据轴承故障冲击特征构建匹配追踪复合字典原子库，对原始振动信号进行重构，消除了因噪声引起的冲击，保留了轴承故障冲击。根据冲击幅值将信号分为轴承故障冲击区和冲击衰减区，对信号中冲击进行变尺度二值化处理后，将冲击作为迭代基本元素，最后采用遍历查找法依次迭代计算处理得到变尺度Lempel‑Ziv值。相比于传统Lempel‑Ziv复杂度方法，新方法能有效降噪、保留信号中周期性冲击特征、抑制非冲击成分、提高迭代计算效率，能有效实现滚动轴承故障定量趋势诊断。
-
公开(公告)号：CN110806315B
公开(公告)日：2021-04-16
申请号：CN201911143421.9
申请日：2019-11-20
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028 , G06F30/17 , G06F17/14
Abstract: 本发明公开了一种基于倒位编辑的齿轮箱复合故障诊断方法，该方法首先依据齿轮故障信号、轴承故障信号与噪声在能量上的差异性和傅里叶变换的共轭对称性，对原始振动信号进行初始相位辨识、编辑、倒位和矢量叠加，实现了信号的有效降噪和对信号中能量不同成分的划分。其次，应用基于最大类间方差的幅值等级分解方法自动地对信号中能量差异特征进行分解，实现了复合故障的有效分离；再次对已分离的故障信号做希尔伯特包络解调分析，可最终实现故障特征的提取与诊断。通过对复合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齿轮箱中的轴承与齿轮复合故障进行分离与诊断。
-
公开(公告)号：CN109063300A
公开(公告)日：2018-12-21
申请号：CN201810818599.8
申请日：2018-07-24
Applicant: 北京工业大学
IPC: G06F17/50
CPC classification number: G06F17/5086 , G06F2217/78
Abstract: 本发明公开了一种基于改进能量法的行星齿轮时变啮合刚度求解方法，本发明考虑基圆与齿根圆之间关系的情况下，以42齿为界限，建立一个考虑轮体变形的改进悬臂梁模型。对行星齿轮各对齿轮啮合的时变啮合刚度进行分情况讨论，在考虑轮体变形的基础上，应用势能法求解更加准确的轮齿时变啮合刚度，并与传统势能法进行对比。通过与有限元结果的对比，验证了该方法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108982107A
公开(公告)日：2018-12-11
申请号：CN201810837758.9
申请日：2018-07-26
Applicant: 北京工业大学
CPC classification number: G01M13/045 , G06F17/18
Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。
-
公开(公告)号：CN113865867B
公开(公告)日：2024-06-04
申请号：CN202110958624.4
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于幅值特性奇异值分解的轴承故障诊断方法，把故障频率等的幅值特性作为奇异分量的选择指标——故障包含度(FIC)。首先是原始信号的Hankel矩阵构造与SVD分解，其次利用所提指标FIC对分解所得的SCs进行信息评估，最后选出携带故障信息的SCs以重构降噪信号。轴承故障仿真信号与实验信号的试验结果表明：相比于传统的差分奇异值分解方法(DS‑SVD)，所提方法能选出故障信息量更大的奇异分量，且能在外界干扰下诊断出故障。新方法可用于信号降噪和故障弱特征的增强。
-
公开(公告)号：CN113865867A
公开(公告)日：2021-12-31
申请号：CN202110958624.4
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于幅值特性奇异值分解的轴承故障诊断方法，把故障频率等的幅值特性作为奇异分量的选择指标——故障包含度(FIC)。首先是原始信号的Hankel矩阵构造与SVD分解，其次利用所提指标FIC对分解所得的SCs进行信息评估，最后选出携带故障信息的SCs以重构降噪信号。轴承故障仿真信号与实验信号的试验结果表明：相比于传统的差分奇异值分解方法(DS‑SVD)，所提方法能选出故障信息量更大的奇异分量，且能在外界干扰下诊断出故障。新方法可用于信号降噪和故障弱特征的增强。
-
公开(公告)号：CN108982107B
公开(公告)日：2019-07-12
申请号：CN201810837758.9
申请日：2018-07-26
Applicant: 北京工业大学
IPC: G01M13/045 , G06F17/18
Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。
-
公开(公告)号：CN110806315A
公开(公告)日：2020-02-18
申请号：CN201911143421.9
申请日：2019-11-20
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028 , G06F30/17 , G06F17/14
Abstract: 本发明公开了一种基于倒位编辑的齿轮箱复合故障诊断方法，该方法首先依据齿轮故障信号、轴承故障信号与噪声在能量上的差异性和傅里叶变换的共轭对称性，对原始振动信号进行初始相位辨识、编辑、倒位和矢量叠加，实现了信号的有效降噪和对信号中能量不同成分的划分。其次，应用基于最大类间方差的幅值等级分解方法自动地对信号中能量差异特征进行分解，实现了复合故障的有效分离；再次对已分离的故障信号做希尔伯特包络解调分析，可最终实现故障特征的提取与诊断。通过对复合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齿轮箱中的轴承与齿轮复合故障进行分离与诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
