公开(公告)号：CN119223624A

公开(公告)日：2024-12-31

申请号：CN202411588842.3

申请日：2024-11-08

Applicant: 哈尔滨工程大学

Inventor： 费红姿 ,  郭子健 ,  柳一林 ,  周英 ,  孔祥成

IPC: G01M13/028 ,  G06F18/213 ,  G06F18/22

Abstract: 本发明的目的在于提供基于FSC和EMD的齿轮多故障信号解耦及特征提取方法，属于齿轮故障诊断领域，首先采集振动信号，然后计算各故障部件的冲击频率，再对原始振动信号获取故障信号的冲击频率与自振频率对应关系，从而确定各部件振动激励对应的自振频率。然后将原始信号分解为多个IMF分量，进行频谱分析并识别频谱包络峰值，确定各IMF分量的自振频率。通过对比IMF自振频率与各部件自振频率，确定反映不同部件故障信息的IMF分量，实现多故障信息的振动信号解耦。最后计算解耦后各部件故障信号的特征参数，完成故障特征提取。本发明具有较高的故障识别精度，并且能够准确获取故障部件的频率信息。

公开(公告)号：CN119803917A

公开(公告)日：2025-04-11

申请号：CN202510061987.6

申请日：2025-01-15

Applicant: 哈尔滨工程大学

Inventor： 费红姿 ,  郭子健 ,  柳一林 ,  袁志国 ,  刘冰鑫 ,  韩悦

IPC: G01M13/021 ,  G06F18/2433 ,  G06F18/213 ,  G01M13/028

Abstract: 本发明的目的在于提供基于周期字典稀疏表示的齿轮箱耦合故障诊断方法，属于齿轮故障诊断领域。包括如下步骤：获取齿轮箱耦合故障信号；计算各部件故障冲击频率；计算包络谱；选取故障部件；构建周期字典；基于稀疏表示解耦故障信号；提取故障特征；确认各部件故障类型。本发明基于包络谱和部件特性来判断齿轮箱各部件是否发生故障，并依次对不同的故障部件进行信号解耦，避免了在解耦过程中产生虚假分量或模态混叠的现象。本发明基于故障部件周期特性的周期字典，提高了稀疏表示对故障脉冲的识别能力，使得重构信号能够准确还原对应故障部件的故障特征。本发明具有较高的特征提取和故障诊断精度。

公开(公告)号：CN115979640A

公开(公告)日：2023-04-18

申请号：CN202310169678.1

申请日：2023-02-27

Applicant: 哈尔滨工程大学

Inventor： 费红姿 ,  柳一林 ,  石忠心 ,  王浚哲 ,  郭子健 ,  袁晨

IPC: G01M13/028 ,  G06F18/24 ,  G06F18/23213 ,  G06F17/16 ,  G06F18/213

Abstract: 本发明的目的在于提供基于全极点模型和K‑means方法的齿轮故障诊断方法，包括建立齿轮箱系统振动信号全极点模型、基于K‑means的故障特征参数提取和齿轮故障在线诊断流程，其中建立齿轮箱系统振动信号全极点模型包括全极点模型、模型参数辨识、模型阶数确定和求取模型极点等。本发明将正常、断齿与磨损三种状态下的极点s1聚集成若干簇，并识别出每个簇的中心点Ci以及距离阈值Ri作为故障特征参数。基于故障特征参数中心点Ci以及距离阈值Ri，建立齿轮故障诊断流程，利用极点位置与中心点Ci的距离以及Ri判断是否属于某簇，从而实现齿轮健康、断齿、磨损三种状态的故障诊断。

公开(公告)号：CN115791159A

公开(公告)日：2023-03-14

申请号：CN202211669935.X

申请日：2022-12-25

Applicant: 哈尔滨工程大学

Inventor： 费红姿 ,  柳一林 ,  石忠心 ,  王浚哲 ,  郭子健 ,  袁晨

IPC: G01M13/021 ,  G06F18/214 ,  G06F18/2411 ,  G01M13/028

Abstract: 本发明的目的在于提供一种基于振动信号的齿轮故障在线实时诊断方法，包括如下步骤：齿轮系统健康监测，故障类型判断，故障位置判断。针对齿轮断齿、磨损等典型故障，本发明基于齿轮箱体的振动信号，可以实现齿轮传动系统的健康状态在线监测，进而进行故障类型诊断及发生位置确定。本发明提取振动信号的峭度KT作为健康监测特征参数，基于KT的正态分布特点，应用3σ准则对参数的阈值进行了优化。基于EEMD分解提取了IMF分量的能量占比pf和总能量熵HEN作为故障类型判断的特征参数，该特征参数随工况变化很小。