参数自适应最大循环平稳性盲解卷积的轴承故障特征提取

    公开(公告)号:CN116383631A

    公开(公告)日:2023-07-04

    申请号:CN202310365402.0

    申请日:2023-04-07

    Abstract: 本发明涉及信号特征提取领域,具体涉及参数自适应最大循环平稳性盲解卷积的轴承故障特征提取,基于增强包络谐波积谱计算不同滤波器长度下解卷积后信号,得到包络熵;基于包络熵变化量和时间成本变化量,得到最大循环平稳性盲解卷积的波器长度;基于最大循环平稳性盲解卷积的波器长度输出迭代停止时解卷积结果,从中提取故障特征,本发明可以从观测信号中还原、放大故障脉冲,同时对信号进行降噪。既可用于诊断轴承早期故障,也可用于诊断强噪声掩盖下的轴承故障,提前发现轴承故障,减少停机时间,避免安全事故发生,从而解决现有的方法限制最大循环平稳性盲解卷积在工业中应用,导致意外停机和安全事故发生的问题。

    滚动轴承数字孪生模型构建及模型参数优化方法

    公开(公告)号:CN117709190B

    公开(公告)日:2025-02-25

    申请号:CN202311688615.3

    申请日:2023-12-11

    Abstract: 本发明涉及滚动轴承数字孪生模型构建及模型参数优化方法,属于数字孪生领域,包括以下步骤:S1:结合径向力作用、外圈、内圈、滚动体之间动力学关系,建立轴承四自由度数字孪生模型,输入用于测量轴承的几何参数和运行参数;S2:基于蝗虫算法初始化和优化轴承内部不能测量的关键参数,由轴承四自由度数字孪生模型输出虚拟孪生信号;S3:计算虚拟孪生信号与实际振动信号两者均方根的差值,蝗虫算法朝着减小差值的方向搜寻关键参数;S4:蝗虫算法迭代结束,基于输出记录的与实测振动信号误差最小的为最优孪生信号,以相对应参数下的轴承为最优数字孪生体,为训练异常检测、故障分类和剩余使用寿命预测模型提供丰富的数据,实时监测轴承健康状态。

    滚动轴承数字孪生模型构建及模型参数优化方法

    公开(公告)号:CN117709190A

    公开(公告)日:2024-03-15

    申请号:CN202311688615.3

    申请日:2023-12-11

    Abstract: 本发明涉及滚动轴承数字孪生模型构建及模型参数优化方法,属于数字孪生领域,包括以下步骤:S1:结合径向力作用、外圈、内圈、滚动体之间动力学关系,建立轴承四自由度数字孪生模型,输入用于测量轴承的几何参数和运行参数;S2:基于蝗虫算法初始化和优化轴承内部不能测量的关键参数,由轴承四自由度数字孪生模型输出虚拟孪生信号;S3:计算虚拟孪生信号与实际振动信号两者均方根的差值,蝗虫算法朝着减小差值的方向搜寻关键参数;S4:蝗虫算法迭代结束,基于输出记录的与实测振动信号误差最小的为最优孪生信号,以相对应参数下的轴承为最优数字孪生体,为训练异常检测、故障分类和剩余使用寿命预测模型提供丰富的数据,实时监测轴承健康状态。

Patent Agency Ranking