-
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：CN113324754B
公开(公告)日：2022-05-06
申请号：CN202110589776.1
申请日：2021-05-27
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于多感受野图卷积的齿轮传动系统故障识别方法，包括：将所采集的已知故障的齿轮传动系统的振动信号进行样本划分获得训练样本集，将训练样本集构造为第一关联图数据；将所采集的未知故障的齿轮传动系统的振动信号进行样本划分获得待测样本集，将待测样本集构造为第二关联图数据；构建由两层多感受野图卷积层和两层全连接层构成的多感受野图卷积网络，通过第一关联图数据对多感受野图卷积网络进行训练；将第二关联图数据输入训练后的多感受野图卷积网络，实现对未知故障的齿轮传动系统的故障识别。
-
公开(公告)号：CN113324754A
公开(公告)日：2021-08-31
申请号：CN202110589776.1
申请日：2021-05-27
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于多感受野图卷积的齿轮传动系统故障识别方法，包括：将所采集的已知故障的齿轮传动系统的振动信号进行样本划分获得训练样本集，将训练样本集构造为第一关联图数据；将所采集的未知故障的齿轮传动系统的振动信号进行样本划分获得待测样本集，将待测样本集构造为第二关联图数据；构建由两层多感受野图卷积层和两层全连接层构成的多感受野图卷积网络，通过第一关联图数据对多感受野图卷积网络进行训练；将第二关联图数据输入训练后的多感受野图卷积网络，实现对未知故障的齿轮传动系统的故障识别。
-
公开(公告)号：CN111272427B
公开(公告)日：2021-04-13
申请号：CN202010094901.7
申请日：2020-02-14
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明公开一种基于加权稀疏正则的轴承故障检测方法，方法包括以下步骤：采集轴承振动信号x(t)；基于调Q小波分解所述轴承振动信号x(t)，对小波分解的每层小波系数ds分别进行重构，计算每层重构信号Rs的平方包络谱分别提取每层平方包络谱的轴承四种故障频率区间轴承故障频率及其倍频的能量进行加和，扩展得到权重系数向量w，作为对小波分解的每层信号故障可能性的量化，其中，四种故障包括轴承内圈故障、轴承外圈故障、轴承保持架故障和轴承滚动体故障；基于权重系数向量w构建加权稀疏正则项，构建加权稀疏模型，采用ISTA算法对其进行求解，得到稀疏重构信号；计算稀疏重构信号的平方包络谱，识别轴承故障频率以确定轴承的故障部位。
-
公开(公告)号：CN112179995A
公开(公告)日：2021-01-05
申请号：CN202010976496.1
申请日：2020-09-16
Applicant: 西安交通大学
Abstract: 本公开揭示了一种基于传递函数的超声导波信号重构方法，包括以下步骤：对超声导波检测系统施加某一阶跃信号ε(t)进行激励，并采集超声导波检测系统在阶跃信号ε(t)的激励下产生的阶跃响应信号r(t)；对所述阶跃响应信号r(t)进行傅里叶变换，获得频域阶跃响应信号R(ω)，并进一步获得用于表示阶跃信号ε(t)和阶跃响应信号r(t)之间传递关系的传递函数H(ω)；施加任意信号S(ω)对超声导波检测系统进行激励，将所述任意信号S(ω)与传递函数H(ω)在频域相乘，获得频域重构响应信号C(ω)，将所述频域重构响应信号C(ω)进行傅里叶反变换，即获得时域重构响应信号c(t)。
-
Patent Agency Ranking
公开(公告)号：CN109946076B
公开(公告)日：2020-04-28
申请号：CN201910079232.3
申请日：2019-01-25
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 本发明公开了一种加权多尺度字典学习框架的行星轮轴承故障辨识方法，方法包括以下步骤：基于行星轮轴承振动信号构造分块算子；基于分块算子构造加权多尺度字典学习框架，优化求解加权多尺度字典学习框架，获得故障特征信号；基于调Q小波与l0正则构造加权多尺度字典学习特例，通过特例提取行星轮轴承故障特征信号；基于提取的故障特征信号通过包络分析辨识故障类型。
-
公开(公告)号：CN106226395B
公开(公告)日：2019-03-01
申请号：CN201610717721.3
申请日：2016-08-24
Applicant: 西安交通大学
IPC: G01N29/04
Abstract: 一种细长复合材料的损伤检测系统及其检测方法，细长复合材料的损伤检测系统，包括测量细长复合材料模态振型的测量装置、傅立叶模态曲率计算模块和判断模块，所述模态振型测量装置包括用于敲击所述细长复合材料上间隔h均匀分布的测量点的力锤、测量所述测量点的加速度的加速度传感器以及模态振型测量模块，连接所述加速度传感器的所述模态振型测量模块基于所述加速度生成模态振型(WX)，所述傅立叶模态曲率计算模块通过公式(F1)计算得到傅立叶模态曲率(w″x)，所述判断模块连接所述傅立叶模态曲率计算模块，如果所述傅立叶模态曲率(w″x)大于预定阈值，所述判断模块判定所述傅立叶模态曲率(w″x)大于预定阈值的测量点为损伤位置。
-
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：CN118606823A
公开(公告)日：2024-09-06
申请号：CN202410764709.2
申请日：2024-06-13
Applicant: 西安交通大学
IPC: G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种航空发动机锥齿轮故障诊断的不确定性量化校准方法，包括：采集航空发动机锥齿轮的振动信号，划分为训练集和验证集；构建卷积神经网络，获得故障分类概率和分类结果的证据不确定性；构建证据与不确定性度量指标(EvU)，并定义损失函数惩罚项，训练卷积神经网络，以实现证据不确定性的事前校准；将验证集的数据输入训练后的卷积神经网络进行分类诊断，对输出结果进行温度缩放，以实现证据不确定性的事后校准；将测试数据输入训练后的卷积神经网络，通过温度缩放后得到调整后的证据，得到最终故障分类概率和分类结果的证据不确定性。本公开经过校准后的模型有效提高诊断精度，提供更准确的不确定性度量。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.103 seconds)
