公开(公告)号：CN119803931A

公开(公告)日：2025-04-11

申请号：CN202411857881.9

申请日：2024-12-17

Applicant: 湘潭大学

Inventor： 毛美姣 ,  蒋智文 ,  谭志飞 ,  符训长 ,  向炜鹏

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

Abstract: 本发明提出了一种滚动轴承多通道信号故障诊断方法及相关设备，包括：采集目标滚动轴承的原始多通道振动信号；通过自适应多变量特征模态分解对原始多通道振动信号进行分解降噪，得到多通道本征模态分量；计算分解后的多通道本征模态分量的多通道综合指数，筛选出拥有最大多通道综合指数的多通道本征模态分量；通过全矢平方包络谱对筛选出的多通道本征模态分量进行分析，从而对滚动轴承进行故障诊断并得到滚动轴承故障诊断结果；与现有技术相比，本发明能够在自转频率及其倍频的干扰下准确地提取到滚动轴承的故障特征频率。

公开(公告)号：CN119756861A

公开(公告)日：2025-04-04

申请号：CN202411964771.2

申请日：2024-12-30

Applicant: 湘潭大学

Inventor： 毛美姣 ,  向炜鹏 ,  谭志飞 ,  蒋智文

IPC: G01M13/045

Abstract: 本发明提出了一种基于多元变分模态分解和全矢包络分析的多通道滑动轴承声发射信号故障诊断方法，包括：通过在滑动轴承截面两个方向上安装声发射信号传感器，采集滑动轴承正常运转和不同轴瓦损坏状态下的多通道声发射信号，并对多通道声发射信号进行分类，获得不同工况下多通道声发射信号的数据集；对多通道声发射信号进行多元变分模态分解，分解得到不同方向上的多个本征模态函数分量，以相关峭度为参数指标，筛选出各方向上大于原始声发射信号相关峭度的本征模态函数分量，并将其重组为新的声发射信号；对重组的声发射信号进行全矢包络分析，将两个方向上的重组声发射信号按照椭圆轨迹进行有机融合，并对融合信号进行包络分析，得到正常状态和不同损伤状态下的全矢包络谱，组成滑动轴承轴瓦损伤判断的数据库。通过所提方法对待判断滑动轴承的声发射信号进行相同处理，并将处理得到的全矢包络谱与数据库中的图像进行比对，进而完成对待判断滑动轴承轴瓦损伤状态的诊断。本发明有效地解决单一方向滑动轴承轴瓦故障诊断精度较低且结果不全面的问题。

公开(公告)号：CN119880428A

公开(公告)日：2025-04-25

申请号：CN202411874184.4

申请日：2024-12-19

Applicant: 湘潭大学

Inventor： 毛美姣 ,  符训长 ,  谭志飞 ,  秦长江 ,  杨理学 ,  蒋智文 ,  向炜鹏

IPC: G01M13/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/098 ,  G06N3/096

Abstract: 本发明提出了一种可倾瓦滑动轴承故障在线监测方法及设备，包括，采集可倾瓦滑动轴承正常运转和不同故障状态下的XYZ三通道声发射信号；对采集到的三个通道声发射信号进行多元经验模式分解，以进行降噪分解。随后，通过峭度因子筛选分解后的本征模态函数，将三个通道数据转换为灰度图像，然后融合成RGB图片。接着，利用卷积神经网络提取故障特征，并将这些特征输入到长短记忆神经网络模型中进行特征学习和训练。收集不同工况下的声发射信号通过联邦学习，对模型参数进行微调。将所述的故障诊断模型打包处理，最终编写生成在线识别系统，每隔一段时间自动读取数据，在编写好的界面中自动识别。本发明有效解决对可倾瓦滑动轴承故障在线监测困难的问题。

公开(公告)号：CN220063391U

公开(公告)日：2023-11-21

申请号：CN202320565910.9

申请日：2023-03-21

Applicant: 湘潭大学

Inventor： 陈小告 ,  蒋智文 ,  毛美姣 ,  曾恺鑫 ,  符训长 ,  向炜鹏 ,  谭志飞

IPC: G01M13/045

Abstract: 本实用新型专利基于现有滑动轴承实验台采集到的振动信号中故障轴承数量较少的问题，提出了一种新型的多通道信号采集的滑动轴承实验台，包括采用多个滑动轴承以及在每个滑动轴承两侧均放置有振动传感器，并在滑动轴承座外侧安装有声信号传感器，分别采集滑动轴承运转时所产生的振动信号以及声信号，从而定位故障轴承以及故障类型。