公开(公告)号：CN107966287B

公开(公告)日：2020-01-10

申请号：CN201711174333.6

申请日：2017-11-22

Applicant: 桂林电子科技大学

Inventor： 何水龙 ,  李慧 ,  王衍学 ,  蒋占四 ,  訾艳阳

IPC: G01M13/00 ,  G01M13/028 ,  G01M13/045

Abstract: 本发明公开一种自适应机电装备微弱故障特征提取方法，首先采集机电装备的振动信号；然后对选择的初始多小波进行两尺度相似变换，提高多小波尺度函数的逼近阶；接着设计满足对称和平移约束条件的多小波提升矩阵，进而实现多小波集成构造方法；最后基于振动信号采用遗传算法对自由参数进行优化，获得与故障特征相匹配的自适应多小波基函数，为微弱故障特征提取提供有利手段。本发明解决了机电设备实际监测诊断应用中微弱故障特征提取过程中的动态匹配瓶颈。

公开(公告)号：CN107966287A

公开(公告)日：2018-04-27

申请号：CN201711174333.6

申请日：2017-11-22

Applicant: 桂林电子科技大学

Inventor： 何水龙 ,  李慧 ,  王衍学 ,  蒋占四 ,  訾艳阳

IPC: G01M13/00 ,  G01M13/02 ,  G01M13/04

Abstract: 本发明公开一种自适应机电装备微弱故障特征提取方法，首先采集机电装备的振动信号；然后对选择的初始多小波进行两尺度相似变换，提高多小波尺度函数的逼近阶；接着设计满足对称和平移约束条件的多小波提升矩阵，进而实现多小波集成构造方法；最后基于振动信号采用遗传算法对自由参数进行优化，获得与故障特征相匹配的自适应多小波基函数，为微弱故障特征提取提供有利手段。本发明解决了机电设备实际监测诊断应用中微弱故障特征提取过程中的动态匹配瓶颈。

公开(公告)号：CN107832729A

公开(公告)日：2018-03-23

申请号：CN201711176681.7

申请日：2017-11-22

Applicant: 桂林电子科技大学

Inventor： 何水龙 ,  李慧 ,  王衍学 ,  蒋占四 ,  訾艳阳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G01M13/04

CPC classification number: G06K9/00523 ,  G01M13/045 ,  G06K9/6217 ,  G06N3/08

Abstract: 本发明公开一种轴承锈蚀智能诊断方法，通过预先采集轴承在出现各类不同故障状态下的振动信号和轴承在正常状态下的振动信号，并对振动信号进行特征提取后去训练RBF神经网络，并构建锈蚀智能分类模型；之后利用该锈蚀智能分类模型既可以实现对轴承的实时故障诊断。