-
公开(公告)号：CN103245518A
公开(公告)日：2013-08-14
申请号：CN201310106416.7
申请日：2013-03-29
Applicant: 燕山大学
IPC: G01M99/00
Abstract: 本发明公开了一种基于微分局部均值分解(DLMD)的旋转机械故障诊断方法，其内容包括如下步骤：采用加速度传感器测试旋转机械设备，采集获得其振动信号；对获得的加速度振动信号，进行DLMD分解，得到若干PF分量和残余分量；求出各PF分量的瞬时频率和瞬时幅值，提取故障特征。本发明方法首先对采集到的信号进行k阶微分，然后对微分后的信号进行局部均值分解，对分解后的各个PF分量循环进行一次积分和一阶局部均值分解，直至循环k次得到m个PF分量和残余分量，基于微分局部均值分解的结果提取故障特征，能够有效抑制传统的局部均值分解过程中的虚假干扰频率，实现旋转机械故障诊断。
-
公开(公告)号：CN111222289B
公开(公告)日：2022-03-11
申请号：CN202010028291.0
申请日：2020-01-10
Applicant: 燕山大学
IPC: G06K9/00 , G06K9/62 , G01M13/045
Abstract: 基于数据‑模型驱动的K‑SVD的滚动轴承冲击性故障诊断方法，该方法先利用加速度传感器采集振动信号s，然后将信号分段得到最初的训练数据集D1；求D1中相邻原子的谱峭度差值，得到谱峭度差值最大的原子do；根据故障信号特点构建最优原子dop，由do得到模型中的参数，将dop直接扩充为最新的训练数据集；利用K‑SVD方法训练字典，并在原子更新过程中加入去相干步骤；利用正交匹配追踪算法得到重构后的冲击信号；对重构信号进行包络分析。本发根据冲击信号特点构造不含噪声的训练数据集，使得学习字典对信号有更佳的稀疏表示效果，重构信号包含更多特征信息，有助于实现滚动轴承冲击性故障诊断。
-
公开(公告)号：CN103124245B
公开(公告)日：2016-08-10
申请号：CN201210583906.1
申请日：2012-12-26
Applicant: 燕山大学
IPC: H04L25/03
Abstract: 本发明公开了一种基于峭度的变步长自适应盲源分离方法，旨在通过峭度来判断算法的解与最优解的距离，在线地调整步长，通过不断优化分离矩阵达到自适应的目的，它具体内容包括以下步骤：1、对观测信号进行白化预处理；2、利用白化处理后的信号对分离矩阵W进行迭代；3、得到最优矩阵，实现源信号分离。本发明的有益效果在于：利用峭度的变化来控制步长；通过峭度来判断算法的解与最优解的距离，在线地调整步长，通过不断优化分离矩阵达到自适应的目的；解决了盲源分离过程中收敛速度与稳态误差之间的矛盾。
-
公开(公告)号：CN103440226A
公开(公告)日：2013-12-11
申请号：CN201310256239.0
申请日：2013-06-26
Applicant: 燕山大学
Abstract: 本发明公开了一种基于HMM校正与神经网络延拓的EMD端点效应抑制方法，该方法包括以下步骤：A、利用传感器获得信号；B、利用神经网络延拓算法对信号端点内部分已知数据进行估计，计算估计误差，并对端点外数据进行预测；C、利用HMM算法对估计误差建立模型，利用模型的参数预测所用的延拓算法的延拓误差；D、利用预测误差数据对延拓数据进行校正获得最终延拓数据；E、对延拓后的信号进行经验模式分解，抛弃两端延拓数据，得到原信号的IMF分量；F、通过分析端点抑制后的IMF分量提取信号特征。本发明可以对神经网络延拓算法进行校正，降低数据延拓方法存在的误差，有效的抑制经验模式分解的端点效应。
-
公开(公告)号：CN118614938A
公开(公告)日：2024-09-10
申请号：CN202410878422.2
申请日：2024-07-02
Applicant: 燕山大学
Abstract: 本发明公开了一种基于视觉皮层脑电和眼底血流的视觉刺激闭环系统及方法，属于生物医学工程技术领域，包括视觉刺激模块、脑电信号采集模块、监测眼底血流速度模块、脑电信号处理模块、信号的传输与储存模块以及闭环反馈控制模块。本发明能够基于人体大脑视觉皮层脑电信号和眼底血流速度这两个反馈信号对视觉刺激形成闭环反馈，实现在视觉皮层脑电特征值和眼底血流速度已经达到给定阈值的情况下，实时监测不同视觉刺激下的人体大脑视觉皮层脑电信号和眼部血流的变化，能够更好的观察不同的视觉刺激对神经‑血管的调节情况。
-
Patent Agency Ranking
公开(公告)号：CN115046764A
公开(公告)日：2022-09-13
申请号：CN202210482268.8
申请日：2022-05-05
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明公开了一种滚动轴承早期故障诊断方法，属于机械状态监测技术领域，为了克服传统的评估指标对于早期故障不敏感的缺点，提取采集到的轴承振动信号的时域、频域特征，利用高斯去噪算法、开方累积加和变换技术、皮尔逊系数和主成分分析法，将多维特征转变成单维特征，并在此基础上构建新的健康指标，该指标趋势能够更加凸显轴承早期故障特征。然后利用连续报警次数触发机制，仅使用较小的触发次数便可准确可靠地监测出滚动轴承的早期故障。本发明在滚动轴承早期故障诊断方面取得的研究成果，为实现滚动轴承的剩余寿命预测奠定了基础。
-
公开(公告)号：CN111582137B
公开(公告)日：2022-02-08
申请号：CN202010365377.2
申请日：2020-04-30
Applicant: 燕山大学
IPC: G06K9/00 , G01M13/045
Abstract: 本发明公开一种滚动轴承信号重构方法及系统，涉及信号分析领域。该方法包括：判断迭代字典的迭代次数是否达到字典预设迭代次数；若达到则输出学习字典；若未达到则更新第一矩阵和迭代字典，然后令迭代次数加1，返回“判断迭代次数是否达到字典预设迭代次数”；获取待重构数据；利用正交匹配追踪算法和学习字典对待重构数据进行稀疏表示，得到稀疏信号；利用高斯观测矩阵对稀疏信号进行重构，得到重构信号。本发明利用归一自相关函数、Teager能量算子和更新后的第一矩阵更新字典，通过Teager能量算子跟踪信号的瞬时能量，检测振动信号的冲击脉冲，可以提升重构信号的信噪比，从而提高信号重构的准确性。
-
公开(公告)号：CN112214845A
公开(公告)日：2021-01-12
申请号：CN202010922213.5
申请日：2020-09-04
Applicant: 燕山大学
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种基于新的点蚀模型的齿轮时变啮合刚度计算方法，采用了随机分布的点蚀分布模型，建立四种不同的点蚀程度模型，利用势能法计算点蚀齿轮时变啮合刚度，先推导出一个轮齿上单个点蚀的啮合刚度方程，进而可以推导出多点蚀的啮合刚度方程，可以精确的求解建立的四种程度点蚀齿轮的啮合刚度方程，并通过有限元法建立有限元模型进行比较验证，最终结果表明本发明计算时间短，计算精度高。本发明建立的点蚀模型与传统模型相比更能贴近实际，点蚀分布模型也能更好地切合实际，且能处理复杂的点蚀分布。该发明方法能够很好的计算实际情况下的点蚀齿的时变啮合刚度。
-
公开(公告)号：CN109272054B
公开(公告)日：2020-10-02
申请号：CN201811194561.4
申请日：2018-10-15
Applicant: 燕山大学
Abstract: 本发明公开一种基于独立性的振动信号去噪方法及系统。方法包括：获取信号的相位标记起始点位置和标记长度参数；根据基准信号、相位标记起始点位置创建基准数据；根据比对信号、相位标记起始点位置和标记长度参数创建移相数据集；对基准数据和移相数据集中的数据分别采用独立成分分析法进行处理，得到过程分离信号；获取过程分离信号的相位标记因子矩阵；根据相位标记因子矩阵的异常值信息确定相位信息；根据相位信息调整比对信号相位，与基准信号共同构造得到调整数据集；对调整数据集采用独立成分分析法进行处理，得到最终分离信号；根据最终分离信号的时频特征确定去噪信号。采用本发明能够有效去除振动信号噪声，实现振动信号的特征提取。
-
公开(公告)号：CN118443310A
公开(公告)日：2024-08-06
申请号：CN202410538951.8
申请日：2024-04-30
Applicant: 燕山大学
IPC: G01M13/045 , G06F18/2415 , G06F18/2131
Abstract: 本发明公开了一种基于非稳态时频分析的轴承故障诊断方法及系统，涉及轴承故障诊断领域。该方法包括获取待诊断的轴承振动信号，对该信号进行预处理，获得降采样后的轴承振动信号；构造速度自适应窗解调变换，获得具有局部高能量集中性且频率轨迹无交叉的时频表示结果；引入最大谱峭度选择方法，自适应确定每个时刻处的最佳时频表示结果；构造局部能量最大值提取算子，进一步提取时频表示结果中的故障特征频率轨迹；寻找时频表示中的故障特征频率轨迹，完成轴承故障诊断和故障类型判别的任务。本发明精确表征了轴承振动信号中包含的非稳态比例时频故障特征，提高了时频表示的能量集中性和噪声鲁棒性，实现了非稳态条件下轴承故障诊断的目标。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
