-
公开(公告)号：CN119622494A
公开(公告)日：2025-03-14
申请号：CN202411399457.4
申请日：2024-10-09
Applicant: 北京建筑大学
IPC: G06F18/2413 , G01M13/045 , G06F18/2136 , G06F18/2131
Abstract: 本发明公开了一种基于Box‑Cox模式分解的轴承故障诊断方法及系统，包括：采集轴承的振动信号，进行特征模态分解；基于加权谱趋势提取方法，识别轴承振动信号中的频率段；通过Box‑Cox稀疏度量算法对振动信号进行自适应多模式分解，利用BCSMT迭代结果自适应调整滤波器系数；根据自相关函数估计的最大周期，提取周期性故障特征，通过多次迭代优化信号分解结果；根据分解后的信号特征，进行轴承故障的诊断。本发明通过采用Box‑Cox模式分解和稀疏特征提取算法，结合自相关函数和加权谱趋势提取方法，实现了在噪声环境下对轴承故障信号的精准提取与诊断。提高了故障诊断的准确性、实时性和鲁棒性，适用于复杂工况下的轴承故障监测和早期预警。
-
公开(公告)号：CN115326390B
公开(公告)日：2025-03-25
申请号：CN202211057648.3
申请日：2022-08-30
Applicant: 北京建筑大学
IPC: G01M13/021 , G06F30/27 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06F119/02 , G06F119/14
Abstract: 本发明提供了一种基于内嵌损伤演化机理的齿轮故障预测方法，包括：采集齿轮的振动加速度数据；设置齿轮故障的状态变量，基于所述振动加速度数据与所述状态变量构建齿轮故障预测模型；基于所述振动加速度数据对所述齿轮故障预测模型进行训练；基于训练后的所述齿轮故障预测模型，预测齿轮故障的演化。本发明能够实现齿轮动力学与故障的准确预测。
-
公开(公告)号：CN115456026A
公开(公告)日：2022-12-09
申请号：CN202211143246.5
申请日：2022-09-20
Applicant: 北京建筑大学
Abstract: 本发明公开了一种轨道车辆走行部旋转部件时频特征精细化提取方法，包括以下步骤：信号采集；高次多项式阶次跟踪信号重采样；基于能量熵优选的傅里叶内禀模态分解：傅里叶内禀模态分解获得的M个傅里叶内禀模态；采用能量熵对信号进行评价；选择能量熵小的算法作为优选结果；基于稀疏测度的非平稳特征精细化提取；设置用于优选傅里叶内禀模态数量K，选择前K个傅里叶内禀模态函数进行相加，实现非平稳特征的精细化提取。本发明的提出高次多项式阶比跟踪方法，可以实现频变特征多变的信号等角度重采样；采用信息熵实现傅里叶内禀模态分解方法的HTL和LTH算法优选工作；精细、准确提取轨道车辆走行部旋转部件的非平稳特征。
-
公开(公告)号：CN115326390A
公开(公告)日：2022-11-11
申请号：CN202211057648.3
申请日：2022-08-30
Applicant: 北京建筑大学
IPC: G01M13/021 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/14
Abstract: 本发明提供了一种基于内嵌损伤演化机理的齿轮故障预测方法，包括：采集齿轮的振动加速度数据；设置齿轮故障的状态变量，基于所述振动加速度数据与所述状态变量构建齿轮故障预测模型；基于所述振动加速度数据对所述齿轮故障预测模型进行训练；基于训练后的所述齿轮故障预测模型，预测齿轮故障的演化。本发明能够实现齿轮动力学与故障的准确预测。
-
公开(公告)号：CN116773197A
公开(公告)日：2023-09-19
申请号：CN202310704725.8
申请日：2023-06-14
Applicant: 北京建筑大学
IPC: G01M13/045 , G06F18/20
Abstract: 本发明提供了一种基于改进特征模式分解的滚动轴承故障诊断方法，该方法将改进特征模式分解与奇异值分解结合降噪。本发明可以充分考虑信号的脉冲性和周期性，不会受到滤波器形状和带宽的限制，对其他干扰和噪声具有鲁棒性，本发明实现了参数的自适应选择，避免了手动选择造成的不客观性，提高了算法的分解效果。通过内、外圈仿真信号以及采集的轴承数据分析验证，证明本发明能够突出轴承故障冲击特征，具有较好的降噪效果。
-
Patent Agency Ranking
公开(公告)号：CN116502135A
公开(公告)日：2023-07-28
申请号：CN202310281341.X
申请日：2023-03-20
Applicant: 北京建筑大学
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请提供一种轴承故障诊断方法及系统，其提供了融合全局和局部信息的CNN和混合Transformer相融合的MCHformer架构，能够结合CNN和transformer的优点：首先通过膨胀卷积提取获得不同尺度发局部特征，然后通过混合transformer结构的特征提取器建立远程依赖性，在保持局部特征的同时，提取上下文中强鲁棒的全局特征，并将不同尺度的空间特征进行融合，最后将融合后的特征输入到新设计的结构中进行自适应学习，以得到在大噪声环境下具有高准确率的故障类别诊断结果。本申请所提供的变压器能够有效减少用于信息，更好地聚焦相邻点。本申请的神经网络模型可直接对噪声振动数据进行处理，无需使用先进的预处理技术，即可有效诊断故障类型。
-
公开(公告)号：CN115468763A
公开(公告)日：2022-12-13
申请号：CN202211143235.7
申请日：2022-09-20
Applicant: 北京建筑大学
IPC: G01M13/025
Abstract: 本发明公开了一种惯性负载可调的轨道车辆牵引传动系统试验方法，基于轨道车辆牵引传动系统试验平台，其负载采用齿轮箱输出轴两侧的惯性负载调节装置进行加载和调整，包括以下步骤：收集模拟的轨道车辆相关参数；计算试验台需要加载的负载数值；计算试验台需要装备的负载元件数量；负载元件安装，控制试验台开展试验，将n个负载元件平均分配安装于第一惯性负载调节装置和第二惯性负载调节装置上，采用操作台对牵引电机进行牵引、匀速、惰行和制动控制，开展轨道车辆牵引传动系统试验。本发明的试验方法可以快速跟随牵引传动系统角加速度的变化，准确模拟轨道车辆牵引传动系统运行状态快速变化导致的负载波动现象，实现高精度的试验模拟。
-
公开(公告)号：CN115302395A
公开(公告)日：2022-11-08
申请号：CN202210942447.5
申请日：2022-08-08
Applicant: 北京建筑大学
IPC: B24B31/116 , B24B41/06 , B24B57/02
Abstract: 本发明提供一种轴承空心滚子的超精与残余应力消减方法，首先通过装配复合粘性磨料夹具体单元，采用单磨料缸挤压循环粗抛同规格多个空心滚子表面，然后通过装配剖分式夹具体单元，采用隔膜泵传输的松散磨料中的磨粒，精抛同规格多组轴承空心滚子表面及旋转高速撞击消减同规格多组轴承空心滚子亚表面的残余应力。其粗抛‑精抛‑残余应力消减都在同一可自由调整高度的工作台上完成。本方法能够高效得到高品质的轴承空心滚子表面，并为长寿命的轴承空心滚子提高其亚表面质量。
-
公开(公告)号：CN118500732A
公开(公告)日：2024-08-16
申请号：CN202410740620.2
申请日：2024-06-09
Applicant: 北京建筑大学
IPC: G01M13/045 , G06F18/24 , G06F18/213 , G06F18/10 , G06N3/006
Abstract: 本发明提供了一种基于自适应模态分解的滚动轴承故障诊断方法，该方法通过包络谱提取轴承故障特征，增强故障冲击成分，有效提取了滚动轴承故障特征；其次，基于奇异值熵的滚动轴承故障诊断方法，将信号分解为一系列IMF分量，并筛选了故障信息比较丰富IMF分量进行信号重构，计算重构信号的奇异值熵，根据奇异值熵大小划分不同类型故障区间；最后，针对滚动轴承复合故障分离、提取困难，故障冲击不明显等问题，采用改进VMD算法对原始振动信号进行降噪；对降噪后信号进行多点优化调整最小熵解卷积运算，以分离不同类型的故障；对分离后故障使用Teager能量算子进行特征增强，有效降低噪声干扰，实现了复合故障的分离和提取。
-
公开(公告)号：CN117129247A
公开(公告)日：2023-11-28
申请号：CN202311220019.2
申请日：2023-09-20
Applicant: 北京建筑大学
Abstract: 本申请涉及地铁车门检测技术领域，尤其是涉及一种地铁车门故障诊断方法。获取地铁车门孪生模型实时监控的地铁车门的电机信号；对电机信号进行非线性模式分解，得到若干非线性模态；根据若干非线性模态，确定是否存在故障特征，并根据故障特征确定故障诊断结果地铁车门是否出现故障。地铁车门孪生模型可以模拟车门在正常运行和发生故障情况下的表现，基于地铁车门孪生模型进行实时或较短周期性的故障诊断，实现了地铁运行过程中的车门故障诊断，提升了针对地铁的整体运行过程中车门故障诊断的准确性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
