-
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。
-
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：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。
-
公开(公告)号：CN112257747B
公开(公告)日：2024-05-28
申请号：CN202010975145.9
申请日：2020-09-16
Applicant: 北京工业大学
IPC: G06F18/2411 , G06F18/214 , G06F18/21
Abstract: 本发明公开了基于压缩数据和监督全局‑局部/非局部分析的诊断方法，该方法是一种基于压缩数据和监督全局‑局部/非局部判别分析的三阶段轴承故障诊断方法。在第一阶段，基于压缩感知框架得到压缩数据；在第二阶段，提出了一种新的流形学习算法：监督全局‑局部/非局部判别分析，利用该算法将压缩数据映射到低维空间，保留其全局和局部/非局部信息；在第三阶段，将上述低维特征作为SVM的输入进行分类。
-
Patent Agency Ranking
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。
-
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：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：CN112629850A
公开(公告)日：2021-04-09
申请号：CN202011419700.6
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G01M13/021 , G01M13/028 , G06K9/00
Abstract: 本发明公开了一种变转速行星齿轮箱故障诊断方法，该方法选取形态滤波对信号进行降噪处理，根据振动信号的任意冲击参数而自适应的选择相对应的结构元素，并且针对该冲击只需利用最佳结构元素计算一次，在滤波精确性和运算效率上都有了大幅度的提升。首先，应用转域重采样技术对原始信号进行重采样，得到仍被强噪声淹没的等角域稳态信号；其次，利用变多尺度形态滤波器对重采样信号进行滤波，获取包含故障信息的噪声干扰较小的信号；最后，对滤波信号进行故障特征提取，并和运用重采样提供的采样参数计算得到的可能故障频率进行比对，判断行星齿轮箱故障类型。通过对仿真信号和实验信号分别进行分析，该方法能够有效找出对应故障特征。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
