-
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。
-
公开(公告)号：CN111024398B
公开(公告)日：2021-01-15
申请号：CN201911352882.7
申请日：2019-12-25
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 无需周期的最大相关峭度解卷积方法，首先对采集的振动信号进行截断和去均值处理；然后对振动信号进行希尔伯特变换得到其解析信号，并且通过选择其自相关谱中第一个过零点后部分的最大值点作为迭代周期进行解卷积操作，然后利用每次迭代滤波后的信号继续计算其自相关谱中第一个过零点后部分的最大值点作为迭代周期来更新滤波器，以此得到最优滤波器系数；最后对滤波后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
公开(公告)号：CN107525672B
公开(公告)日：2019-07-12
申请号：CN201710710340.7
申请日：2017-08-18
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G01M13/045 , G06K9/00
Abstract: 一种基于基尼指标改进的SKRgram方法，首先分别采集行星齿轮箱的正常振动信号和带有行星轮轴承故障的振动信号，然后利用基尼指标代替峭度指标来改进原来的Kurtogram，再将正常和故障信号分别应用于改进的Kurtogram中得到各自的窄带图，然后根据窄带图得到各窄带指标值组成的矩阵，将正常信号得到的矩阵作为基准，得到故障信号得到的矩阵与正常信号得到的矩阵的比值所组成的的新矩阵，利用该新矩阵构造新的窄带图，然后根据该窄带图即可得到最优故障特征频带；本发明以基尼指标作为稀疏判定，能避免由随机大冲击给最后结果带来的影响，直接从最后的窄带图中选择最优频带，无需对照到故障信号对应的窄带图，更适合于在线监测。
-
公开(公告)号：CN105699082B
公开(公告)日：2018-01-05
申请号：CN201610049654.2
申请日：2016-01-25
Applicant: 西安交通大学
Abstract: 一种稀疏化的最大谐噪比解卷积方法，首先对采集的信号进行截断和去均值处理，然后对未提前给定精确周期的情况进行估计周期操作，再对信号进行解卷积处理将谐噪比作为目标函数，对滤波器系数进行求导，进而得到迭代表达式，并在每次迭代滤波的过程中对滤波信号进行稀疏处理，稀疏处理的阈值和周期都会随滤波后的信号进行更新，最后对解卷积后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
公开(公告)号：CN105510032B
公开(公告)日：2017-12-26
申请号：CN201510926945.0
申请日：2015-12-11
Applicant: 西安交通大学
IPC: G01M13/04
Abstract: 基于谐噪比指导的解卷积方法，首先对采集的振动信号进行截断和去均值处理；然后对截断后的信号直接进行解卷积处理，兼顾故障的冲击性和周期性特征，将峭度和谐噪比作为目标函数进行联立求迭代表达式，进而极大地减小了随机冲击的干扰；最后对解卷积后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
Patent Agency Ranking
公开(公告)号：CN104819841B
公开(公告)日：2017-04-19
申请号：CN201510223663.4
申请日：2015-05-05
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 基于内置编码信息的单传感柔性角度域平均方法，首先利用编码器读取机械设备中测试轴的角位置信号，采用多项式拟合法获取瞬态运动信息，得到三阶差分Jitter信号和一阶差分转速信号，计算Jitter信号的角度域等间隔采样信号和转速信号的波动量，通过设定转速波动量阈值判断信号是否为平稳信号，对超过阈值范围的为非平稳信号进行角度域重采样,否则作为平稳信号处理，原j(t)信号即作为等角度间隔采样信号，采用基于Chirp‑Z变换的柔性角度域平均方法，确定机械设备是否存在的故障，本发明很大程度上的控制了实验设备数量、简化了数据采集程序、降低了测试费用，益于故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
公开(公告)号：CN111024398A
公开(公告)日：2020-04-17
申请号：CN201911352882.7
申请日：2019-12-25
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 无需周期的最大相关峭度解卷积方法，首先对采集的振动信号进行截断和去均值处理；然后对振动信号进行希尔伯特变换得到其解析信号，并且通过选择其自相关谱中第一个过零点后部分的最大值点作为迭代周期进行解卷积操作，然后利用每次迭代滤波后的信号继续计算其自相关谱中第一个过零点后部分的最大值点作为迭代周期来更新滤波器，以此得到最优滤波器系数；最后对滤波后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
公开(公告)号：CN105699082A
公开(公告)日：2016-06-22
申请号：CN201610049654.2
申请日：2016-01-25
Applicant: 西安交通大学
CPC classification number: G01M13/045 , G01H1/00 , G01H1/003
Abstract: 一种稀疏化的最大谐躁比解卷积方法，首先对采集的信号进行截断和去均值处理，然后对未提前给定精确周期的情况进行估计周期操作，再对信号进行解卷积处理将谐躁比作为目标函数，对滤波器系数进行求导，进而得到迭代表达式，并在每次迭代滤波的过程中对滤波信号进行稀疏处理，稀疏处理的阈值和周期都会随滤波后的信号进行更新，最后对解卷积后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
公开(公告)号：CN105510032A
公开(公告)日：2016-04-20
申请号：CN201510926945.0
申请日：2015-12-11
Applicant: 西安交通大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 基于谐躁比指导的解卷积方法，首先对采集的振动信号进行截断和去均值处理；然后对截断后的信号直接进行解卷积处理，兼顾故障的冲击性和周期性特征，将峭度和谐躁比作为目标函数进行联立求迭代表达式，进而极大地减小了随机冲击的干扰；最后对解卷积后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
