-
公开(公告)号：CN119202908A
公开(公告)日：2024-12-27
申请号：CN202411698633.4
申请日：2024-11-26
Applicant: 西安交通大学
IPC: G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/0455 , G06F18/22 , G06F18/214
Abstract: 一种基于可学习稀疏正则字典学习的机械异常检测方法与系统，方法中，采集机械正常运转时的振动信号，并进一步构造训练数据集；构建包含可学习稀疏正则项的字典学习模型，将输入信号表示为字典与稀疏编码的卷积形式；利用半二次分裂算法完成模型迭代计算公式的推导；为公式中的每个变量和权重设计相应的网络模块，模块的组合表示一次迭代计算，多个迭代计算过程叠加构成可学习稀疏正则网络；使用训练数据集训练网络，提取正常样本特征，并利用反向传播技术更新网络参数；将测试样本输入训练好的网络，计算重构数据与输入样本间的误差，根据误差值的大小判断机械是否为正常状态；对网络的重构输出进一步分析，完成网络的事后可解释说明。
-
公开(公告)号：CN115753120A
公开(公告)日：2023-03-07
申请号：CN202211431609.5
申请日：2022-11-15
Applicant: 西安交通大学
IPC: G01M15/04 , G01M15/12 , G06F18/214 , G06F18/24
Abstract: 本公开揭示了一种基于故障特征频率的航空发动机异常检测方法，包括如下步骤：S100：采集待测航空发动机轴承和行星齿轮的振动信号；S200：对所采集的振动信号进行滤波；S300：对滤波后的振动信号进行包络谱计算，以获得振动信号的包络谱；S400：计算轴承和行星齿轮的故障特征频率；S500：对轴承和行星齿轮的故障特征频率进行有效值索引，以获得故障特征频率在包络谱上的故障特征信息；S600：将故障特征信息输入时间序列网络，以实现对待测航空发动机的异常检测。
-
公开(公告)号：CN104634445B
公开(公告)日：2017-06-23
申请号：CN201510039184.7
申请日：2015-01-27
Applicant: 西安交通大学
IPC: G01H17/00
Abstract: 本发明公开了一种双转子航空发动机时变振动贡献量检测方法及系统，用于检测双转子航空发动机高低压转子各自振动对航空发动机总振动的振动贡献量，所述方法将时域振动信号变换成时频表示，并计算振动信号的时频总能量和所述振动信号中与高低压转子相关的振动信号成分的时频能量，进而计算出所述振动信号中与高低压转子相关的振动信号成分的时变振动贡献量。所述系统基于所述方法实现，方便对所述时变振动贡献量的计算，为在线定量分析提供支持。本发明可以快速判断双转子航空发动机高低压转子振动相对状态，从而指导航空发动机振动超标排故。
-
公开(公告)号：CN104634526A
公开(公告)日：2015-05-20
申请号：CN201510039183.2
申请日：2015-01-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于非线性压缩变换的转子碰摩故障检测方法及系统，用于检测旋转机械中转子系统碰摩故障，所述方法通过对转子系统的振动信号进行非线性压缩变换得到所述振动信号的时频表示，结合所述时频表示计算所述振动信号的瞬时频率，进而进一步计算所述瞬时频率的震荡部分的频谱；假设fr为所述转子系统的转频，如果所述频谱的最大谱峰位于[0.99fr，1.01fr]范围内且幅值超出所述转频的2％，则可判定所述转子系统存在碰摩故障；否则，判定所述转子系统不存在碰摩故障。所述系统基于所述方法实现，方便方法的应用。本发明可以准确判断转子碰摩故障是否存在，结果快速可靠，简单易行，适用转子的在线健康监测。
-
公开(公告)号：CN117232841B
公开(公告)日：2024-05-28
申请号：CN202211741607.6
申请日：2022-12-27
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/14 , G06F17/16
Abstract: 公开了一种基于非线性稀疏的航空中介轴承瞬时动频故障诊断方法，方法中，采集中介轴承振动信号与高低压转速信号，并根据转速截取特定工况下的振动信号片段x；基于振动信号的导窗函数短时傅里叶变换，建立非线性稀疏时频增强模型或非线性稀疏增强算法模型；利用快速迭代收缩阈值算法，并结合k稀疏策略，求解非线性稀疏时频增强模型或对非线性稀疏增强算法模型进行改进，最终通过迭代优化均可得到非线性稀疏时频表示结果#imgabs0#基于非线性稀疏时频表示结果#imgabs1#提取高压转频附近的瞬时动频脊线特征，并进行脊线振荡部分的频谱分析，完成特征提取；基于提取的时频脊线及其频谱特征，计算中介轴承故障特征指标，并与特征指标阈值比较完成故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN112613547B
公开(公告)日：2024-04-09
申请号：CN202011492439.2
申请日：2020-12-16
Applicant: 西安交通大学
IPC: G06F18/241 , G06F18/28 , G06F18/214
Abstract: 公开了基于Fisher判别字典学习模型的齿轮运行分类方法，方法包括：分别采集不同健康状态齿轮的振动信号，将其划分为训练数据和测试数据，两者无重叠；基于小波包变换分解所述齿轮振动信号，计算小波包分解后每个子频带的系数的L‑峭度值；选出L‑峭度值为前25％的子带对应的分解系数，构造成低维多尺度样本YLM；在低维多尺度样本YLM的基础上进行Fisher判别字典学习，获得一个兼具类内表示能力和类间判别性能的结构化字典D；采用迭代投影方法求解测试样本#imgabs0#在字典D上的稀疏编码系数，计算测试样本#imgabs1#对应的每个类的重构误差，根据误差最小判别齿轮运行状态。
-
公开(公告)号：CN115524150A
公开(公告)日：2022-12-27
申请号：CN202211112505.8
申请日：2022-09-13
Applicant: 西安交通大学
Abstract: 公开了一种基于稀疏时域同步平均的旋转机械故障检测方法，基于稀疏时域同步平均的旋转机械故障检测方法中，传感器采集旋转机械的振动信号以及转频或转频脉冲信号，并进行模数转换获得振动信号和转速信息；根据旋转机械中检测部件的类型和数量，基于所述振动信号和转速信息构造部件敏感梳状向量g，涉及的机械旋转部件包括齿轮、转子和轴承；基于部件敏感梳状向量g构造类时域同步平均向量w；利用类时域同步平均向量w构造稀疏时域同步平均模型F；利用优化求解算法对稀疏时域同步平均模型F进行求解得到稀疏频谱和重构时域信号；根据所述稀疏频谱和时域信号构建STSA_CI指标以进行故障诊断。
-
公开(公告)号：CN113762069B
公开(公告)日：2022-12-09
申请号：CN202110839564.4
申请日：2021-07-23
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种任意噪声下长序列鲁棒增强快速趋势滤波方法，首先采用滑窗的办法将信号进行分割，将每段信号分别采用鲁棒增强趋势滤波方法进行提取趋势信号，通过求取在2个窗内重叠部分信号之间距离最小点，即可确定拼接点，分别将2个窗内信号在拼接点处分别截取，即可获得较为平滑的曲线；本发明可以用于提取天气信号、摩擦系数信号、振动信号等随时间变化的一维信号，本方法克服了原有的趋势滤波方法只能提取高斯白噪声分布下的信号趋势，可以提取非高斯白噪声下的趋势信号，并且本方法能够对长序列信号进行提取，极大的提高了长序列信号的提取效率，缩短了提取时间。
-
公开(公告)号：CN115392395A
公开(公告)日：2022-11-25
申请号：CN202211114709.5
申请日：2022-09-13
Applicant: 西安交通大学
Abstract: 公开了一种基于算法展开对抗学习的机械异常可解释智能检测方法，方法中，采集机械设备正常运行的振动信号y，将其按照固定的信号长度裁剪为训练数据集；建立深度稀疏编码模型，对振动信号y进行深度编码，再映射到d维隐编码z；使用近端梯度映射算法求解深度稀疏编码模型，并将优化求解算法展开为稀疏编码网络，从隐编码z到原始信号的重构为解码网络，两者共同构成生成器网络G，构造判别器网络D对隐编码Z的分布进行约束，匹配先验分布p(z)；使用训练数据集训练生成器网络G和判别器网络D，利用反向传播技术更新网络参数，降低网络对振动信号的重构误差及编码分布p(z|y)与先验分布p(z)的差距；将测试信号输入训练好的生成器网络G中，通过判别器网络D输出信号的真伪。
-
公开(公告)号：CN112613547A
公开(公告)日：2021-04-06
申请号：CN202011492439.2
申请日：2020-12-16
Applicant: 西安交通大学
IPC: G06K9/62
Abstract: 公开了基于Fisher判别字典学习模型的齿轮运行分类方法，方法包括：分别采集不同健康状态齿轮的振动信号，将其划分为训练数据和测试数据，两者无重叠；基于小波包变换分解所述齿轮振动信号，计算小波包分解后每个子频带的系数的L‑峭度值；选出L‑峭度值为前25％的子带对应的分解系数，构造成低维多尺度样本YLM；在低维多尺度样本YLM的基础上进行Fisher判别字典学习，获得一个兼具类内表示能力和类间判别性能的结构化字典D；采用迭代投影方法求解测试样本在字典D上的稀疏编码系数，计算测试样本对应的每个类的重构误差，根据误差最小判别齿轮运行状态。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.044 seconds)
