公开(公告)号：CN116735204A

公开(公告)日：2023-09-12

申请号：CN202310698185.7

申请日：2023-06-13

Applicant: 安徽理工大学

Inventor： 苏树智 ,  侯雅魁 ,  朱彦敏 ,  张志鹏 ,  王孟明 ,  陈见

IPC: G01M13/045 ,  G06F18/213 ,  G06F18/24

Abstract: 本发明公开了一种基于密度域敏感空间学习的滚动轴承故障诊断方法，解决了在非线性空间学习中欧氏距离会导致潜在流形损失和忽略密度结构的问题，从而有效提高滚动轴承故障诊断的准确性。实现过程为：(1)提取原始故障振动信号的时频域特征，构建高维故障样本集；(2)借助高维故障样本间的密度约束，构建局部密度约束图、全局密度约束图、类内密度约束图和类间密度约束图，以此基础提出密度域敏感空间学习模型；(3)求解该模型的投影矩阵，并利用空间投影获得低维故障特征；(4)借助分类器，对低维故障特征进行故障辨识，以获得最终的故障诊断结果。实验结果表明本发明方法是一种有效的滚动轴承故障诊断方法。

公开(公告)号：CN116735204B

公开(公告)日：2025-03-04

申请号：CN202310698185.7

申请日：2023-06-13

Applicant: 安徽理工大学

Inventor： 苏树智 ,  侯雅魁 ,  朱彦敏 ,  张志鹏 ,  王孟明 ,  陈见

IPC: G01M13/045 ,  G06F18/213 ,  G06F18/24

Abstract: 本发明公开了一种基于密度域敏感空间学习的滚动轴承故障诊断方法，解决了在非线性空间学习中欧氏距离会导致潜在流形损失和忽略密度结构的问题，从而有效提高滚动轴承故障诊断的准确性。实现过程为：(1)提取原始故障振动信号的时频域特征，构建高维故障样本集；(2)借助高维故障样本间的密度约束，构建局部密度约束图、全局密度约束图、类内密度约束图和类间密度约束图，以此基础提出密度域敏感空间学习模型；(3)求解该模型的投影矩阵，并利用空间投影获得低维故障特征；(4)借助分类器，对低维故障特征进行故障辨识，以获得最终的故障诊断结果。实验结果表明本发明方法是一种有效的滚动轴承故障诊断方法。

公开(公告)号：CN116644356A

公开(公告)日：2023-08-25

申请号：CN202310537799.7

申请日：2023-05-15

Applicant: 安徽理工大学

Inventor： 苏树智 ,  张志鹏 ,  朱彦敏 ,  侯雅魁 ,  王孟明 ,  陈见

IPC: G06F18/2413 ,  G06F18/214 ,  G06F18/2136 ,  G06F17/15

Abstract: 本发明公开了一种基于复流形嵌入学习的滚动轴承故障诊断方法，解决了传统数据驱动的故障诊断方法无法充分揭示故障样本间复杂高阶关系的问题，从而有效提高了故障诊断的准确性。实现过程为：(1)提取原始故障振动信号的时频域特征，构建高维特征故障集；(2)根据超图理论，利用样本的监督信息和类内类间近邻关系提出类内超图和类间超图，并使用基于稀疏的仿射切向结构组合构建了流形切向结构图。构建复流形嵌入模型后通过迭代求解方法获得该模型的优化投影方向，从而获得高维故障数据的低维故障特征；(3)将低维故障特征输入分类器中进行故障辨识，从而获得最终的故障诊断结果。实验结果表明本发明方法是一种有效的故障诊断方法。