-
Patent Agency Ranking
公开(公告)号：CN111666877B
公开(公告)日：2023-08-29
申请号：CN202010507311.2
申请日：2020-06-05
Applicant: 苏州大学
IPC: G06F18/2131 , G06F18/25
Abstract: 本发明公开了一种基于变参小波流形的旋转机械微弱故障检测方法。本发明一种基于变参小波流形的旋转机械微弱故障检测方法，包括：步骤(1)、选定母小波，给定小波参数的1个取值组合，确定信号分析的尺度范围；步骤(2)、对信号进行CWT处理，计算各尺度下的小波包络；步骤(3)、按照给定指标从整个尺度带内选择包含最多故障信息的1个小波包络，即故障小波包络。本发明的有益效果：本发明提取信号在不同小波参数下的故障小波包络，利用流形学习卓越的特征挖掘能力，从高维变参小波包络中提取出具有稳定结构的脉冲包络，去除带内噪声，实现对微弱故障脉冲包络的有效检测。
-
公开(公告)号：CN114548155A
公开(公告)日：2022-05-27
申请号：CN202210073180.0
申请日：2022-01-21
Applicant: 苏州大学
Abstract: 本发明公开了一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，包括：步骤(1)、故障带内成分提取：步骤(2)、高维TFD矩阵构造：步骤(3)、TFM特征提取：步骤(4)、TFM特征去噪：步骤(5)、故障成分TFD重构：步骤(6)、故障成分时域信号重构。该技术方法至少具有以下优点：对不同机械振动信号的普适性好、计算效率高、信噪比高、能够定量分析故障严重程度等。
-
公开(公告)号：CN116296398A
公开(公告)日：2023-06-23
申请号：CN202310350682.8
申请日：2023-04-04
Applicant: 中铁工程装备集团有限公司 , 苏州大学
IPC: G01M13/045 , G01M13/028 , G01M13/021 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种机械故障定量测量方法，包括步骤（1）：采用不同的参数对机械振动信号进行时频变换，获得高维TFD；步骤（2）：对高维TFD进行流形学习，获得两维TFM特征；步骤（3）：根据两维TFM特征的幅值特点确定去噪阈值；步骤（4）：在TFM特征中根据去噪阈值区分故障信息和噪声；步骤（5）：根据噪声在时频面中的位置去除TFD中的噪声；步骤（6）：采用时频逆变换将去噪后的TFD重构为时域信号；步骤（7）：计算重构的时域信号的统计特征，实现机械故障的定量检测；本发明还公开了可读存储介质、处理器、计算机。本发明所公开的方法对不同机械振动信号的适应性好、重构信号的信噪比高、重构故障成分的幅值保真度高、机械故障的定量分析准确。
-
公开(公告)号：CN111666877A
公开(公告)日：2020-09-15
申请号：CN202010507311.2
申请日：2020-06-05
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于变参小波流形的旋转机械微弱故障检测方法。本发明一种基于变参小波流形的旋转机械微弱故障检测方法，包括：步骤(1)、选定母小波，给定小波参数的1个取值组合，确定信号分析的尺度范围；步骤(2)、对信号进行CWT处理，计算各尺度下的小波包络；步骤(3)、按照给定指标从整个尺度带内选择包含最多故障信息的1个小波包络，即故障小波包络。本发明的有益效果：本发明提取信号在不同小波参数下的故障小波包络，利用流形学习卓越的特征挖掘能力，从高维变参小波包络中提取出具有稳定结构的脉冲包络，去除带内噪声，实现对微弱故障脉冲包络的有效检测。
-
公开(公告)号：CN114548155B
公开(公告)日：2025-05-13
申请号：CN202210073180.0
申请日：2022-01-21
Applicant: 苏州大学
IPC: G06F18/213 , G06F18/10 , G01M13/00
Abstract: 本发明公开了一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，包括：步骤(1)、故障带内成分提取：步骤(2)、高维TFD矩阵构造：步骤(3)、TFM特征提取：步骤(4)、TFM特征去噪：步骤(5)、故障成分TFD重构：步骤(6)、故障成分时域信号重构。该技术方法至少具有以下优点：对不同机械振动信号的普适性好、计算效率高、信噪比高、能够定量分析故障严重程度等。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
