公开(公告)号：CN116776121A

公开(公告)日：2023-09-19

申请号：CN202310744373.9

申请日：2023-06-21

Applicant: 华北电力大学

Inventor： 张文广 ,  陈松 ,  陈文华

IPC: G06F18/213 ,  G01M13/045 ,  G06F18/10 ,  G06F17/16

Abstract: 本发明公开了一种基于ICEEMDAN‑SVD的滚动轴承故障诊断方法，涉及旋转机械故障类型识别和诊断技术领域，包括获取风力机高速轴承故障数据；计算高速轴承峭度指标，判断轴承是否发生故障；对异常信号进行改进自适应完备噪声模态分解，得到多个模态分量；对模态分量计算Person相关系数和峭度，根据相关系数－峭度准则选择最优分量；对最优分量进行SVD奇异值分解，根据奇异值差分谱进行重构信号；对重构信号进行包络解调分析，提取故障特征对比滚动轴承理论计算值，诊断得到滚动轴承故障类型；本发明可以解决模态分解所造成的模态混淆和残留噪声的问题，不用人为选定参数。符合工业界简易、实用和可移植性强的准则，具有较高应用价值。

公开(公告)号：CN113850181B

公开(公告)日：2025-04-01

申请号：CN202111112808.5

申请日：2021-09-23

Applicant: 华北电力大学

Inventor： 张文广 ,  陆瑶 ,  徐浩博 ,  陈松 ,  牛玉广 ,  王玮

IPC: G06F18/2431 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/15 ,  G06F18/213 ,  G06N3/006 ,  G06N3/049 ,  F01D9/02 ,  G06F123/02

Abstract: 本发明公开了一种基于特征信息融合的燃气轮机进口导叶系统故障诊断方法；包括：原始振动信号采集；故障机理分析；变分模态分解(VMD)参数寻优及分解；故障特征提取；状态特征向量归一化；特征向量编码；脉冲神经网络(SNN)故障诊断。本分明采用海豚群算法对VMD参数寻优，提升分解准确率；以峭度‑互信息熵为依据筛选对故障信息敏感的IMF分量，剔除分布规则差、冲击成分少的故障特征敏感模态函数；采用多特征熵值算法在时频域进行故障特征提取，避免单一特征无法全面反映故障特征信息，为故障的准确诊断提供保证；采用SpikeProp算法优化SNN，具备非线性分类问题求解能力，使训练结果更加准确。

公开(公告)号：CN113850181A

公开(公告)日：2021-12-28

申请号：CN202111112808.5

申请日：2021-09-23

Applicant: 华北电力大学

Inventor： 张文广 ,  陆瑶 ,  徐浩博 ,  陈松 ,  牛玉广 ,  王玮

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  F01D9/02

Abstract: 本发明公开了一种基于特征信息融合的燃气轮机进口导叶系统故障诊断方法；包括：原始振动信号采集；故障机理分析；变分模态分解(VMD)参数寻优及分解；故障特征提取；状态特征向量归一化；特征向量编码；脉冲神经网络(SNN)故障诊断。本分明采用海豚群算法对VMD参数寻优，提升分解准确率；以峭度‑互信息熵为依据筛选对故障信息敏感的IMF分量，剔除分布规则差、冲击成分少的故障特征敏感模态函数；采用多特征熵值算法在时频域进行故障特征提取，避免单一特征无法全面反映故障特征信息，为故障的准确诊断提供保证；采用SpikeProp算法优化SNN，具备非线性分类问题求解能力，使训练结果更加准确。