公开(公告)号：CN118837737A

公开(公告)日：2024-10-25

申请号：CN202410848639.9

申请日：2024-06-27

Applicant: 西安交通大学

Inventor： 朱永生 ,  薛怡然 ,  韩仡 ,  李奉奇 ,  张栩华 ,  任智军 ,  高大为 ,  闫柯 ,  洪军

IPC: G01R31/34 ,  G06F18/20 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0895

Abstract: 本发明公开了一种水下推进电机故障诊断方法、装置、设备及存储介质，涉及水下推进电机故障诊断技术领域，包括以下步骤：对多个振动信号和电流信号进行预处理得到有标签频段特征集合和无标签频段特征集合；对马尔科夫决策框架进行训练，得到最优的故障频段选择策略，根据最优的故障频段选择策略得到有标签最优特征子集和无标签最优特征子集；将最优的故障频段选择策略应用于预处理后的待诊断的水下推进电机的振动信号和电流信号，得到对应的有标签最优特征子集和无标签最优特征子集，输入至故障诊断模型，得到对应的故障类型。本发明通过马尔科夫决策过程进行的故障频段选择，实现了故障特征的降噪。

公开(公告)号：CN119557780A

公开(公告)日：2025-03-04

申请号：CN202411460157.2

申请日：2024-10-18

Applicant: 西安交通大学

Inventor： 朱永生 ,  林昙涛 ,  薛怡然 ,  任智军 ,  闫柯 ,  洪军

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/25 ,  G06F18/213 ,  G01M13/045 ,  G06F123/02

Abstract: 本发明公开了一种用于滚动轴承的多传感器信息融合故障诊断的系统及方法，同时连续采集M个传感器的传感器信号，并按时间段划分得到(I+J)个样本，将其划分为训练集#imgabs0#和验证集#imgabs1#构建多传感器信息融合网络结构搜索空间SA＝SO×SP以及用于控制所述多传感器信息融合网络结构搜索空间SA的多传感器信息融合网络结构参数αA＝{αO,αP}，采用训练集#imgabs2#和验证集#imgabs3#同时对中得到的神经网络结构搜索空间SA的多传感器信息融合网络结构参数αA＝{αO,αP}和权重参数w进行更新，通过同时对特征提取单元和融合开始层进行搜索，得到最优多传感器融合网络结构SA*，使得网络搜索过程中的计算量减小，效率大幅提升，解决了当前滚动轴承多传感器信息融合故障诊断方法设计依赖人工经验与大量实验试错的过程繁琐问题。

公开(公告)号：CN119150157A

公开(公告)日：2024-12-17

申请号：CN202411192738.2

申请日：2024-08-28

Applicant: 浙江优特轴承有限公司 ,  西安交通大学

Inventor： 朱永生 ,  宾储君 ,  郑子勋 ,  冯奇鵬 ,  韩仡 ,  薛怡然 ,  任智军 ,  林友玲 ,  罗琪

IPC: G06F18/243 ,  G06F18/15 ,  G06F18/2113 ,  G06F18/2135 ,  G06N20/20 ,  G06N3/126

Abstract: 本发明公开一种工件表面粗糙度预测方法、系统、设备及存储介质，涉及工件表面粗糙度预测技术领域，该方法包括：获取工件原始振动信号中的加工段信号；计算加工段信号的特征；基于随机森林方法筛选出与表面粗糙度相关度高的重要特征；通过主成分分析法对相关重要特征进行特征降维得到低维特征矩阵；将低维特征矩阵与对应表面粗糙度指标组合得到数据集，剔除数据集中具有异常值的数据，得到正常数据集；利用正常数据集对MKL‑SVR模型进行训练，进而实现对工件表面粗糙度的预测；该方法采用小样本条件优化的特征筛选和降维方法，可以在很大程度上减少特征数量同时保留数据信息，提高模型效果。