公开(公告)号：CN119374883A

公开(公告)日：2025-01-28

申请号：CN202411616429.3

申请日：2024-11-13

Applicant: 燕山大学

Inventor： 李继猛 ,  张诗 ,  张金凤 ,  童凯 ,  孟宗

IPC: G01M13/00 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于噪声增强卷积神经网络的旋转机械故障诊断方法，属于旋转机械故障诊断技术领域，包括如下步骤：S1、采集旋转机械在不同健康状态下运行时的原始振动信号；S2、将采集到的原始振动信号利用滑动窗进行分割来构造样本数据集，将样本数据集中的每个样本数据转换为二维图像，并构造训练数据集和测试数据集；S3、利用训练数据集对噪声增强卷积神经网络进行训练，并在训练过程中，通过网络权重参数与训练轮次生成噪声，注入到所述噪声增强卷积神经网络中对其进行增强；S4、将训练好的噪声增强卷积神经网络用于测试数据集分析，从而得到测试数据的故障诊断结果。本发明能够增强卷积神经网络模型的泛化性，提高故障诊断的精度。

公开(公告)号：CN116465631A

公开(公告)日：2023-07-21

申请号：CN202310459988.7

申请日：2023-04-26

Applicant: 燕山大学

Inventor： 李继猛 ,  成星 ,  彭俊玲 ,  张诗 ,  张金凤 ,  孟宗

IPC: G01M13/045 ,  G06F18/10 ,  G06N3/006 ,  G06F17/10

Abstract: 本发明公开了一种振动共振辅助增强随机共振耦合系统的轴承故障诊断方法，属于机械故障诊断技术领域，包括以下步骤：使用传感器采集滚动轴承振动信号，对采集到的滚动轴承振动信号进行希尔伯特包络解调处理，得到振动信号的幅值包络；构建匹配稳态随机共振系统，并与振动共振系统通过非线性耦合的方式组成耦合系统；将得到的幅值包络作为所构建耦合系统的输入信号，并采用优化算法实现系统多参数的优化选取；将得到的最优参数代入耦合系统，对幅值包络进行处理，通过对系统输出进行频谱分析，完成对滚动轴承故障的有效识别与诊断。本发明可以实现滚动轴承振动信号中微弱故障特征的有效提取，为滚动轴承早期微弱故障诊断提供了一种有效解决途径。