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

Inventor： 王金海 ,  杨建伟 ,  姚德臣 ,  王衍学 ,  邬娜 ,  张莉 ,  胡忠硕

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：CN119293588A

公开(公告)日：2025-01-10

申请号：CN202411360755.2

申请日：2024-09-27

Applicant: 北京建筑大学

Inventor： 邬娜 ,  宋浩 ,  冀童 ,  杨建伟 ,  白堂博

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/2131 ,  G06F18/2134 ,  G06F18/25 ,  G06N3/006 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于冠豪猪优化变模态分解的轴承故障诊断方法，收集轴承振动信号；使用冠豪猪优化变模态分解处理所述轴承振动信号以得到本征模态函数IMFs；将所述本征模态函数IMFs通过连续小波变换转换为二维小波时频图，并通过卷积神经网络进行特征融合形成新的二维小波时频图；构建以残差网络和Swin Transformer网络为并行通道的特征融合网络；将所述二维小波时频图输入到所述特征融合网络中进行学习和故障诊断。通过对轴承振动信号进行变模态分解和二维小波时频图处理，并结合卷积神经网络和并行通道特征融合网络，实现了在有限样本和变工况条件下对轴承故障的高准确率诊断。该方法具有较强的实用性和准确性，能够有效提升故障诊断的可靠性。

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

Inventor： 王金海 ,  杨建伟 ,  姚德臣 ,  王衍学 ,  邬娜 ,  张莉 ,  胡忠硕

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。