-
公开(公告)号：CN111753891A
公开(公告)日：2020-10-09
申请号：CN202010530872.4
申请日：2020-06-11
Applicant: 燕山大学
Abstract: 本发明公开了一种无监督特征学习的滚动轴承故障诊断方法，所述诊断方法主要步骤如下：首先采用ELM-AE对采集到的振动信号进行无监督特征学习得到权值向量；然后将叠加处理后的权值向量作为卷积核，对原始振动信号进行卷积池化处理，实现数据特征的自动提取；最后将提取到的特征向量输入到支持向量机进行滚动轴承健康状态识别与分类。本发明所提出的方法能够在保证较高诊断精度的同时，有效的缩短模型训练时间，提高算法运行效率，具有非常理想的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN111665050B
公开(公告)日：2021-07-27
申请号：CN202010501122.4
申请日：2020-06-04
Applicant: 燕山大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于聚类K‑SVD算法的滚动轴承故障诊断方法，其主要步骤如下：首先利用基于粒子群优化的时变滤波经验模态分解算法对原始信号进行自适应分解，得到各本征模式分量，并计算各分量的相关峭度指标(Kcr)值；然后，选取具有最大Kcr指标值的本征模式分量作为聚类K‑SVD算法的输入样本进行字典学习，得到超完备字典DNew；最后，利用超完备字典DNew，并结合正交匹配追踪算法对滚动轴承原始信号进行稀疏特征提取，并对稀疏表示结果进行包络谱分析提取滚动轴承故障频率特征。本方法有效解决了经典K‑SVD算法对滚动轴承故障冲击特征的学习精度较低等问题，对于实现滚动轴承微弱故障诊断具有重要的意义。
-
公开(公告)号：CN111753891B
公开(公告)日：2023-04-07
申请号：CN202010530872.4
申请日：2020-06-11
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N20/00
Abstract: 本发明公开了一种无监督特征学习的滚动轴承故障诊断方法，所述诊断方法主要步骤如下：首先采用ELM‑AE对采集到的振动信号进行无监督特征学习得到权值向量；然后将叠加处理后的权值向量作为卷积核，对原始振动信号进行卷积池化处理，实现数据特征的自动提取；最后将提取到的特征向量输入到支持向量机进行滚动轴承健康状态识别与分类。本发明所提出的方法能够在保证较高诊断精度的同时，有效的缩短模型训练时间，提高算法运行效率，具有非常理想的技术效果。
-
公开(公告)号：CN111665050A
公开(公告)日：2020-09-15
申请号：CN202010501122.4
申请日：2020-06-04
Applicant: 燕山大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于聚类K-SVD算法的滚动轴承故障诊断方法，其主要步骤如下：首先利用基于粒子群优化的时变滤波经验模态分解算法对原始信号进行自适应分解，得到各本征模式分量，并计算各分量的相关峭度指标(Kcr)值；然后，选取具有最大Kcr指标值的本征模式分量作为聚类K-SVD算法的输入样本进行字典学习，得到超完备字典DNew；最后，利用超完备字典DNew，并结合正交匹配追踪算法对滚动轴承原始信号进行稀疏特征提取，并对稀疏表示结果进行包络谱分析提取滚动轴承故障频率特征。本方法有效解决了经典K-SVD算法对滚动轴承故障冲击特征的学习精度较低等问题，对于实现滚动轴承微弱故障诊断具有重要的意义。
-
公开(公告)号：CN113295420B
公开(公告)日：2022-04-08
申请号：CN202110650227.0
申请日：2021-06-10
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于周期指导组稀疏模型的滚动轴承故障诊断方法及系统，方法包括：获取滚动轴承的振动信号；根据所述振动信号确定所述振动信号的增强包络；根据所述增强包络和所述振动信号确定增强包络自相关函数；根据所述增强包络自相关函数确定轴承故障冲击周期估计值；根据所述轴承故障冲击周期估计值构建二进制周期序列；将所述二进制周期序列嵌入弹性网作为约束条件，将L0.5范数作为惩罚函数，根据所述振动信号构建组稀疏模型；将所述振动信号输入所述组稀疏模型，确定降噪信号；对所述降噪信号进行增强包络解调确定滚动轴承故障特征信息。本发明通过对周期冲击特征的有效提取，提高滚动轴承特征的特征提取精度和故障识别的准确性。
-
公开(公告)号：CN113295420A
公开(公告)日：2021-08-24
申请号：CN202110650227.0
申请日：2021-06-10
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于周期指导组稀疏模型的滚动轴承故障诊断方法及系统，方法包括：获取滚动轴承的振动信号；根据所述振动信号确定所述振动信号的增强包络；根据所述增强包络和所述振动信号确定增强包络自相关函数；根据所述增强包络自相关函数确定轴承故障冲击周期估计值；根据所述轴承故障冲击周期估计值构建二进制周期序列；将所述二进制周期序列嵌入弹性网作为约束条件，将L0.5范数作为惩罚函数，根据所述振动信号构建组稀疏模型；将所述振动信号输入所述组稀疏模型，确定降噪信号；对所述降噪信号进行增强包络解调确定滚动轴承故障特征信息。本发明通过对周期冲击特征的有效提取，提高滚动轴承特征的特征提取精度和故障识别的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
