-
公开(公告)号：CN109883693B
公开(公告)日：2020-01-21
申请号：CN201910270414.9
申请日：2019-04-04
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/025
Abstract: 基于低秩‑稀疏逼近的行星齿轮箱故障诊断方法，先利用内置编码器采集输出轴角度位置信号，然后以均方误差为损失函数，对输出轴角度位置信号拟合并差分，得到瞬时角速度信号，基于瞬时角速度信号，分别对行星轮、太阳轮及齿圈时域同步平均，随后对各自的时域同步平均信号做低秩‑稀疏逼近，得到行星轮、太阳轮及齿圈的稀疏恢复信号，并计算各自的峭度，峭度大于峭度阈值的则认为存在故障；本发明利用低秩‑稀疏逼近方法的特征，对采集到的复合信号解耦，分开行星齿轮箱的正常啮合信息和故障信息，凸显故障特征，有利于实现行星齿轮箱早期微弱故障的诊断。
-
公开(公告)号：CN110580471A
公开(公告)日：2019-12-17
申请号：CN201910865515.0
申请日：2019-09-12
IPC: G06K9/00 , G01M13/02 , G01M13/021
Abstract: 本发明提供一种基于编码器信号瞬变特征的机械设备故障诊断方法，首先利用编码器数据采集卡读取机械设备中编码器的输出得到编码器信号y(t)；然后构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，利用迭代算法提取出时域瞬变特征x(t)；再利用阶次跟踪算法将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)；最后，识别角度域瞬变特征x(θ)的角度间隔T，进而输出故障诊断结果。本发明实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，并可以使得机械设备故障诊断自动化，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
-
公开(公告)号：CN110580471B
公开(公告)日：2021-11-02
申请号：CN201910865515.0
申请日：2019-09-12
IPC: G06K9/00 , G01M13/02 , G01M13/021
Abstract: 本发明提供一种基于编码器信号瞬变特征的机械设备故障诊断方法，首先利用编码器数据采集卡读取机械设备中编码器的输出得到编码器信号y(t)；然后构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，利用迭代算法提取出时域瞬变特征x(t)；再利用阶次跟踪算法将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)；最后，识别角度域瞬变特征x(θ)的角度间隔T，进而输出故障诊断结果。本发明实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，并可以使得机械设备故障诊断自动化，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
-
Patent Agency Ranking
公开(公告)号：CN108388692B
公开(公告)日：2020-12-29
申请号：CN201810045889.3
申请日：2018-01-17
Applicant: 西安交通大学
IPC: G06F30/17 , G01M13/045
Abstract: 基于分层稀疏编码的滚动轴承故障特征提取方法，先对轴承振动信号进行高频采样，截取一段时间内的信号作为原始时域信号；然后构建固定字典稀疏编码模型，设置相关参数，设置运用固定字典稀疏编码模型，经稀疏编码得到稀疏表征系数矩阵，通过固定字典及稀疏系数矩阵相乘得到与故障信号无关的谐波干扰成分；再从原始时域信号中滤除谐波干扰成分，得到输入时域信号；再构建基于K‑SVD的字典学习模型，输入时域信号作为该模型的输入，根据参数设置，运用该模型进行特征提取，得到故障相关特征；对故障相关特征做希尔伯特变换后做快速傅里叶变换，得到故障相关特征包络谱，输出诊断结果；本发明提高了信噪比，并滤除无关信号。
-
公开(公告)号：CN110866365A
公开(公告)日：2020-03-06
申请号：CN201911155556.7
申请日：2019-11-22
IPC: G06F30/27 , G06K9/62 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明提供了一种基于部分迁移卷积网络的机械设备智能故障诊断方法，其采集机械设备在不同运行工况下的运行数据，组成数据集，将数据集X中的部分数据作为源域训练样本集和目标域测试样本集，并对每个样本数据进行数据标准化，然后使用源域训练样本集训练两个结构相同但初始化参数不同的一维卷积神经网络模型并基于目标域测试样本集对训练后的两个卷积神经网络模型进行修正得到卷积神经网络机械设备故障诊断模型，使用故障诊断模型基于实时运行数据对机械设备进行故障诊断输出故障类型。本发明能够有效地在更真实的机械故障诊断中使用，即考虑到目标域的无标签性，使得训练出的诊断模型可以更佳的诊断机械设备的故障。
-
公开(公告)号：CN110866365B
公开(公告)日：2021-06-01
申请号：CN201911155556.7
申请日：2019-11-22
IPC: G06F30/27 , G06K9/62 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明提供了一种基于部分迁移卷积网络的机械设备智能故障诊断方法，其采集机械设备在不同运行工况下的运行数据，组成数据集，将数据集X中的部分数据作为源域训练样本集和目标域测试样本集，并对每个样本数据进行数据标准化，然后使用源域训练样本集训练两个结构相同但初始化参数不同的一维卷积神经网络模型并基于目标域测试样本集对训练后的两个卷积神经网络模型进行修正得到卷积神经网络机械设备故障诊断模型，使用故障诊断模型基于实时运行数据对机械设备进行故障诊断输出故障类型。本发明能够有效地在更真实的机械故障诊断中使用，即考虑到目标域的无标签性，使得训练出的诊断模型可以更佳的诊断机械设备的故障。
-
公开(公告)号：CN109883693A
公开(公告)日：2019-06-14
申请号：CN201910270414.9
申请日：2019-04-04
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/025
Abstract: 基于低秩-稀疏逼近的行星齿轮箱故障诊断方法，先利用内置编码器采集输出轴角度位置信号，然后以均方误差为损失函数，对输出轴角度位置信号拟合并差分，得到瞬时角速度信号，基于瞬时角速度信号，分别对行星轮、太阳轮及齿圈时域同步平均，随后对各自的时域同步平均信号做低秩-稀疏逼近，得到行星轮、太阳轮及齿圈的稀疏恢复信号，并计算各自的峭度，峭度大于峭度阈值的则认为存在故障；本发明利用低秩-稀疏逼近方法的特征，对采集到的复合信号解耦，分开行星齿轮箱的正常啮合信息和故障信息，凸显故障特征，有利于实现行星齿轮箱早期微弱故障的诊断。
-
公开(公告)号：CN108388692A
公开(公告)日：2018-08-10
申请号：CN201810045889.3
申请日：2018-01-17
Applicant: 西安交通大学
Abstract: 基于分层稀疏编码的滚动轴承故障特征提取方法，先对轴承振动信号进行高频采样，截取一段时间内的信号作为原始时域信号；然后构建固定字典稀疏编码模型，设置相关参数，设置运用固定字典稀疏编码模型，经稀疏编码得到稀疏表征系数矩阵，通过固定字典及稀疏系数矩阵相乘得到与故障信号无关的谐波干扰成分；再从原始时域信号中滤除谐波干扰成分，得到输入时域信号；再构建基于K-SVD的字典学习模型，输入时域信号作为该模型的输入，根据参数设置，运用该模型进行特征提取，得到故障相关特征；对故障相关特征做希尔伯特变换后做快速傅里叶变换，得到故障相关特征包络谱，输出诊断结果；本发明提高了信噪比，并滤除无关信号。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
