-
公开(公告)号：CN106769031A
公开(公告)日：2017-05-31
申请号：CN201611001154.8
申请日：2016-11-14
Applicant: 西安交通大学
CPC classification number: G01M13/045 , G01M13/021 , G01M13/028
Abstract: 一种基于自相关零点计数的风机轴承阶变信号识别方法，首先对信号进行去均值和工频陷波预处理，然后根据轴承转频范围选取合适的截止频率对预处理信号进行低通滤波，之后计算滤波信号的自相关序列并在序列中段区间进行零点计数，最后设置零点阈值，比较完成信号识别，本发明识别方法复杂度低、识别率高，极大的提高了信号的利用率，可嵌入风力发电机监测系统作可用数据预筛选工具使用。
-
公开(公告)号：CN104598734B
公开(公告)日：2017-05-17
申请号：CN201510033397.9
申请日：2015-01-22
Applicant: 西安交通大学
IPC: G06F19/00
Abstract: 滚动轴承集成期望最大化和粒子滤波的寿命预测模型，首先采用峭度指标对轴承健康状态进行实时监测，确定寿命预测起始时刻；当满足预测起始条件后，采用有效值对轴承剩余寿命进行预测；在预测阶段，采用期望最大化方法对模型参数进行评估，同时采用粒子滤波方法对轴承状态进行评估，通过对模型参数和轴承状态的准确评估，提高剩余寿命预测精度，本发明能够实现对模型参数和滚动轴承状态的准确评估，并且在滚动轴承寿命预测中表现出了比传统指数模型更好的预测效果。
-
公开(公告)号：CN104748962B
公开(公告)日：2017-02-22
申请号：CN201510158826.5
申请日：2015-04-03
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 一种基于堆叠自动编码机的行星齿轮箱智能诊断方法，首先利用数据采集系统获取行星齿轮箱的频域信号，建立具有深层结构的堆叠自动编码机分类模型；然后使用权重连接自动编码机对堆叠自动编码机全部隐含层进行逐层预训练，帮助堆叠自动编码机自适应提取频谱中的故障信息；再使用反向误差传播方法微调完成预训练的堆叠自动编码机的参数，优化堆叠自动编码机的特征提取过程并且建立行星齿轮箱的频谱与故障类型之间的复杂非线性映射关系，完成堆叠自动编码机的训练；最后使用确定的堆叠自动编码机模型进行大数据下行星齿轮箱的智能诊断，本发明实现了大量数据下行星齿轮箱故障特征的自适应提取与故障状态的智能诊断，准确可靠。
-
公开(公告)号：CN108846182A
公开(公告)日：2018-11-20
申请号：CN201810548162.7
申请日：2018-05-31
Applicant: 西安交通大学
Abstract: 基于AR-GARCH回归的机械衰退数据质量改善方法，首先将监测数据划分为若干数据段，提取每个数据段的SPI指标作为衰退数据；计算差分序列并作方差齐性变换，以减弱序列的异方差性，降低建模难度；随后通过PACF图与AIC、BIC准则确定模型阶数，利用极大似然估计确定模型参数，完成模型建模；输出标准化的特征序列，通过画出3σ阈值线完成衰退数据中的噪点识别，最终实现对机械衰退数据的质量改善；本发明由于SPI指标以及方差齐性变换的引入，其建模难度相对较低，且能放大机械衰退数据中噪点与正常点的差异，对于机械衰退数据的质量改善工作具有理想的效果。
-
公开(公告)号：CN106571016A
公开(公告)日：2017-04-19
申请号：CN201610957083.2
申请日：2016-11-03
Applicant: 西安交通大学
Abstract: 一种基于报警次数跳变触发机制的机械早期故障判别方法，首先对采集的振动信号提取特征指标，采用自适应高斯阈值划分正常与故障状态区间，之后利用提出的连续报警次数跳变触发机制排除外界噪声等因素干扰，准确及时的判别出机械设备早期故障发生时刻，本发明利用自适应高斯阈值的优势，使报警阈值可以随着采集数据的获取不断自我调整，克服了传统固定阈值的缺陷；提出的报警次数跳变触发机制，克服了人为主观因素的干扰，提升了早期故障的诊断能力，本发明在机械设备早期故障状态监测中表现出比传统监测机制更好的诊断效果。
-
Patent Agency Ranking
公开(公告)号：CN104598734A
公开(公告)日：2015-05-06
申请号：CN201510033397.9
申请日：2015-01-22
Applicant: 西安交通大学
IPC: G06F19/00
Abstract: 滚动轴承集成期望最大化和粒子滤波的寿命预测模型，首先采用峭度指标对轴承健康状态进行实时监测，确定寿命预测起始时刻；当满足预测起始条件后，采用有效值对轴承剩余寿命进行预测；在预测阶段，采用期望最大化方法对模型参数进行评估，同时采用粒子滤波方法对轴承状态进行评估，通过对模型参数和轴承状态的准确评估，提高剩余寿命预测精度，本发明能够实现对模型参数和滚动轴承状态的准确评估，并且在滚动轴承寿命预测中表现出了比传统指数模型更好的预测效果。
-
公开(公告)号：CN109214355B
公开(公告)日：2020-05-15
申请号：CN201811144832.5
申请日：2018-09-29
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 一种基于核估计LOF的机械监测数据异常段检测方法，首先利用固定长度的滑动时窗将一段机械监测信号分割为多个数据段；提取每个数据段的特征指标向量；设置LOF算法中参数k的初始值，并计算每个数据段的局部异常因子值，根据Nadaraya‑Watson核估计法，可得局部异常因子估计值序列；然后对k值进行迭代，设定阈值S以实现k值的自适应选择；对滑动时窗的长度进行迭代，当滑动时窗的长度迭代至预设值后，选取包含最大局部异常因子估计值的序列；最后计算阈值T，筛选出异常段，完成异常段的检测；本发明基于核估计对传统LOF算法进行了改进，实现了参数k与异常段长度的自适应选择，提高了算法对机械监测数据进行异常段检测的能力，对于机械监测数据的质量改善工作具有理想的效果。
-
公开(公告)号：CN106769031B
公开(公告)日：2019-03-26
申请号：CN201611001154.8
申请日：2016-11-14
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种基于自相关零点计数的风机轴承阶变信号识别方法，首先对信号进行去均值和工频陷波预处理，然后根据轴承转频范围选取合适的截止频率对预处理信号进行低通滤波，之后计算滤波信号的自相关序列并在序列中段区间进行零点计数，最后设置零点阈值，比较完成信号识别，本发明识别方法复杂度低、识别率高，极大的提高了信号的利用率，可嵌入风力发电机监测系统作可用数据预筛选工具使用。
-
公开(公告)号：CN106571016B
公开(公告)日：2018-08-07
申请号：CN201610957083.2
申请日：2016-11-03
Applicant: 西安交通大学
Abstract: 一种基于报警次数跳变触发机制的机械早期故障判别方法，首先对采集的振动信号提取特征指标，采用自适应高斯阈值划分正常与故障状态区间，之后利用提出的连续报警次数跳变触发机制排除外界噪声等因素干扰，准确及时的判别出机械设备早期故障发生时刻，本发明利用自适应高斯阈值的优势，使报警阈值可以随着采集数据的获取不断自我调整，克服了传统固定阈值的缺陷；提出的报警次数跳变触发机制，克服了人为主观因素的干扰，提升了早期故障的诊断能力，本发明在机械设备早期故障状态监测中表现出比传统监测机制更好的诊断效果。
-
公开(公告)号：CN109190598B
公开(公告)日：2020-05-15
申请号：CN201811144833.X
申请日：2018-09-29
Applicant: 西安交通大学
Abstract: 一种基于SES‑LOF的旋转机械监测数据噪点检测方法，先获取一段旋转机械监测信号作为原始信号，根据幅值计算每个信号点的局部异常因子值；将局部异常因子值大于1的所有信号点标记为可疑噪点，并得到可疑噪点的一个集合；然后从该集合中选取可疑噪点，将该可疑噪点从原始信号中剔除，得到新的信号；再对新的信号先后作希尔伯特变换与傅里叶变换，并计算新的信号的Shannon熵；之后根据3σ准则判断该可疑噪点是否为真实噪点；遍历完集合中的所有可疑噪点后，最终完成真实噪点的检索；本发明方法提高了基于传统LOF算法对旋转机械监测数据进行噪点检测的能力，对于旋转机械监测数据噪点检测工作具有理想的效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
