-
公开(公告)号：CN119202905A
公开(公告)日：2024-12-27
申请号：CN202411681856.X
申请日：2024-11-22
Applicant: 南京工业大学
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06F18/213 , G06F18/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/082 , G06N3/084 , G06N5/045
Abstract: 本发明公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViT Encoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。
-
公开(公告)号：CN109556863A
公开(公告)日：2019-04-02
申请号：CN201811496670.1
申请日：2018-12-07
Applicant: 南京工业大学 , 马鞍山方圆精密机械有限公司
IPC: G01M13/045
Abstract: 本发明公布了一种基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，包括如下步骤：(1)对实验转盘轴承间隔90度布置加速度传感器，并进行滚道损伤实验，采集不同载荷区域的振动信号；(2)对试件进行动力学仿真，对比相同区域的振动信号幅值大小。不断调整4组加速度传感器的布局位置，直到所得数值解与实验值误差最小以及振动幅值变化率最大为止；(3)在前2步的基础上对新试件进行疲劳寿命实验，得到4通道振动原始信号，采用多信号源下参数自适应优化后的变分模态分解分别对不同区域信号进行处理。本方法得到的高维模态信号组有效增强了转盘轴承由于体积大以及低速重载等特性带来的振动信号微弱的现象，提高健康评估精度。
-
公开(公告)号：CN118503633A
公开(公告)日：2024-08-16
申请号：CN202410956515.2
申请日：2024-07-17
Applicant: 南京工业大学
IPC: G06F18/10 , G01H17/00 , G01M13/00 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种近似评价多小波特征级联的机械装备故障诊断方法，获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；构建三分支卷积神经网络模型，嵌入多小波核函数滤波器，并设计自监督式小波核权重矩阵实现对噪声不平衡样本特定的滤波、去噪、高低频分析以及多尺度分析，提取噪声样本不平衡信号多方面的特征，对不同分支进行特征级联，使用两分布近似评价方法度量分支特征级联的近似程度，准确定位多小波核函数的差异表达。本发明能够对不同工况下噪声样本不平衡完成诊断，提高同一部位不同程度的故障以及不同故障部位之间噪声样本不平衡的智能诊断准确度和精确度。
-
Patent Agency Ranking
公开(公告)号：CN118503633B
公开(公告)日：2024-11-12
申请号：CN202410956515.2
申请日：2024-07-17
Applicant: 南京工业大学
IPC: G06F18/10 , G01H17/00 , G01M13/00 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种近似评价多小波特征级联的机械装备故障诊断方法，获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；构建三分支卷积神经网络模型，嵌入多小波核函数滤波器，并设计自监督式小波核权重矩阵实现对噪声不平衡样本特定的滤波、去噪、高低频分析以及多尺度分析，提取噪声样本不平衡信号多方面的特征，对不同分支进行特征级联，使用两分布近似评价方法度量分支特征级联的近似程度，准确定位多小波核函数的差异表达。本发明能够对不同工况下噪声样本不平衡完成诊断，提高同一部位不同程度的故障以及不同故障部位之间噪声样本不平衡的智能诊断准确度和精确度。
-
公开(公告)号：CN109556863B
公开(公告)日：2021-02-09
申请号：CN201811496670.1
申请日：2018-12-07
Applicant: 南京工业大学 , 马鞍山方圆精密机械有限公司
IPC: G01M13/045
Abstract: 本发明公布了一种基于MSPAO‑VMD的大型转盘轴承微弱振动信号采集与处理方法，包括如下步骤：(1)对实验转盘轴承间隔90度布置加速度传感器，并进行滚道损伤实验，采集不同载荷区域的振动信号；(2)对试件进行动力学仿真，对比相同区域的振动信号幅值大小。不断调整4组加速度传感器的布局位置，直到所得数值解与实验值误差最小以及振动幅值变化率最大为止；(3)在前2步的基础上对新试件进行疲劳寿命实验，得到4通道振动原始信号，采用多信号源下参数自适应优化后的变分模态分解分别对不同区域信号进行处理。本方法得到的高维模态信号组有效增强了转盘轴承由于体积大以及低速重载等特性带来的振动信号微弱的现象，提高健康评估精度。
-
公开(公告)号：CN109190301B
公开(公告)日：2023-06-23
申请号：CN201811170125.3
申请日：2018-10-09
Applicant: 南京工业大学
IPC: G06F30/27 , G06F18/2321 , G06F18/2433 , G06F119/04
Abstract: 本发明公布了一种变工况下回转支承高精度寿命预测方法，包括如下步骤：(1)根据回转支承全寿命状态数据计算各物理表征信号下的性能衰退指标；(2)计算各性能衰退指标随时间的动态变化率初步得到候选寿命状态突变点；(3)比较各物理信号性能衰退指标的变化率，确定突变点候选区间，随后通过聚类算法得到具体寿命状态突变点；(4)在前3步的基础上得到回转支承全寿命的各衰退区间，并通过动态结构自适应符号化寿命预测方法对各衰退阶段建立寿命模型。本方法所建立的各衰退阶段下的符号化寿命模型可以有效比较不同性能衰退指标对于回转支承健康程度的具体函数映射关系从而确定敏感程度更高的衰退指标，并且在不同工况下的回转支承寿命预测中得到了很高的预测精度，具有一定应用价值。
-
公开(公告)号：CN109190301A
公开(公告)日：2019-01-11
申请号：CN201811170125.3
申请日：2018-10-09
Applicant: 南京工业大学
Abstract: 本发明公布了一种变工况下回转支承高精度寿命预测方法，包括如下步骤：(1)根据回转支承全寿命状态数据计算各物理表征信号下的性能衰退指标；(2)计算各性能衰退指标随时间的动态变化率初步得到候选寿命状态突变点；(3)比较各物理信号性能衰退指标的变化率，确定突变点候选区间，随后通过聚类算法得到具体寿命状态突变点；(4)在前3步的基础上得到回转支承全寿命的各衰退区间，并通过动态结构自适应符号化寿命预测方法对各衰退阶段建立寿命模型。本方法所建立的各衰退阶段下的符号化寿命模型可以有效比较不同性能衰退指标对于回转支承健康程度的具体函数映射关系从而确定敏感程度更高的衰退指标，并且在不同工况下的回转支承寿命预测中得到了很高的预测精度，具有一定应用价值。
-
公开(公告)号：CN119202905B
公开(公告)日：2025-04-01
申请号：CN202411681856.X
申请日：2024-11-22
Applicant: 南京工业大学
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06F18/213 , G06F18/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/082 , G06N3/084 , G06N5/045
Abstract: 本发明公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViT Encoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
