-
公开(公告)号：CN115017826B
公开(公告)日：2023-08-25
申请号：CN202210762260.7
申请日：2022-06-30
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及一种装备剩余使用寿命预测方法，包括：1)无需先验的特征工程，直接对原始多源传感器数据进行简单预处理后生成训练集和测试集；2)搭建深度学习预测模型，包括基于局部特征交互机制的特征矫正子网络、基于全局信息补偿机制的表示学习子网络和估计器子网络；3)将训练集数据输入预测模型对模型进行训练，根据均方根误差(RMSE)和得分函数(Score)两个指标判断模型的有效性，并得到训练好的预测模型；4)将测试装备的运行数据输入训练好的模型中，以进行装备的实时剩余使用寿命预测。本发明有效提高关键装备剩余使用寿命的预测精度。
-
公开(公告)号：CN116089822B
公开(公告)日：2023-07-28
申请号：CN202310166396.6
申请日：2023-02-27
IPC: G06F18/213 , G06F18/15 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明适用于设备故障预测和人工智能领域，提供了一种基于时空注意力网络的设备RUL预测方法及系统，所述方法包括以下步骤：将从设备获取的多源传感器数据进行预处理，使各源传感器数据具有相同的数据量级；通过已训练的深度学习预测模型对预处理后的传感器数据进行加权和编码；挖掘加权和编码后的各所述传感器数据中的隐藏特征；对加权后的所述传感器数据进行补全，并对其中的隐藏特征进行加权和解码；对解码后的隐藏特征进行映射，输出设备RUL的预测结果。本发明解决了多传感器数据输入中重要信息不突出的问题，能够减少检测信号中的干扰；且只需要原始数据输入即可得到预测结果，无需额外的特征工程，计算过程简单，预测精度很高。
-
公开(公告)号：CN117909668A
公开(公告)日：2024-04-19
申请号：CN202410312932.3
申请日：2024-03-19
Applicant: 安徽大学
IPC: G06F18/15 , G06F18/2131 , G06F18/21 , G06F18/241 , G06F18/2433 , G06F18/25 , G06N3/0464 , G01M13/045
Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。
-
公开(公告)号：CN116663386A
公开(公告)日：2023-08-29
申请号：CN202310293005.7
申请日：2023-03-22
IPC: G06F30/27 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/084 , G06F119/02 , G06F119/04
Abstract: 本发明适用于设备故障预测和人工智能领域，提供了一种基于LSTM网络的设备剩余寿命预测方法及系统，所述方法包括以下步骤：获取设备的多元监测数据，并对所述监测数据进行数据预处理，以生成训练数据集和测试数据集；搭建基于LSTM网络的多时间步退化特征强化网络的深度学习预测模型；将所述训练数据集输入深度学习预测模型训练，并根据预设规则判断训练有效性；将所述测试数据集输入训练好的深度学习预测模型，输出设备剩余寿命的预测结果。本发明解决了多元监测数据输入中重要信息不突出的问题，能够减少检测信号中的干扰；且只需要原始数据输入即可得到预测结果，无需额外的特征工程，预测精度很高。
-
公开(公告)号：CN117909668B
公开(公告)日：2024-06-07
申请号：CN202410312932.3
申请日：2024-03-19
Applicant: 安徽大学
IPC: G06F18/15 , G06F18/2131 , G06F18/21 , G06F18/241 , G06F18/2433 , G06F18/25 , G06N3/0464 , G01M13/045
Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN116956505B
公开(公告)日：2023-12-15
申请号：CN202311221757.9
申请日：2023-09-21
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，属于齿轮疲劳与断裂技术领域，包括以下步骤：建立惰轮单齿的有限元模型，并划分网格模型；设置齿轮材料属性并施加边界条件；通过求解齿轮系统动力学模型得到动态啮合载荷，并将动态啮合载荷分别等效施加至惰轮两侧齿廓上；进行有限元分析，得到齿根的应力分布，确定齿根最大应力位置；对非对称循环交变动载荷下的惰轮单齿有限元模型进行齿根裂纹扩展仿真，并预测裂纹扩展的寿命。本发明采用上述的一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，能排除外界干扰，分析结果符合实际工况情况，为复杂工况下惰轮裂纹扩展与寿命预测提供一种更可靠、
-
公开(公告)号：CN115017826A
公开(公告)日：2022-09-06
申请号：CN202210762260.7
申请日：2022-06-30
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及一种装备剩余使用寿命预测方法，包括：1)无需先验的特征工程，直接对原始多源传感器数据进行简单预处理后生成训练集和测试集；2)搭建深度学习预测模型，包括基于局部特征交互机制的特征矫正子网络、基于全局信息补偿机制的表示学习子网络和估计器子网络；3)将训练集数据输入预测模型对模型进行训练，根据均方根误差(RMSE)和得分函数(Score)两个指标判断模型的有效性，并得到训练好的预测模型；4)将测试装备的运行数据输入训练好的模型中，以进行装备的实时剩余使用寿命预测。本发明有效提高关键装备剩余使用寿命的预测精度。
-
公开(公告)号：CN115270342B
公开(公告)日：2023-08-15
申请号：CN202210917555.7
申请日：2022-08-01
IPC: G06F30/17 , G06F30/20 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种剥落故障深沟球轴承多自由度动力学建模方法，包括：1)建立深沟球轴承动力学模型，考虑轴和轴承座外壳的弹性支撑以及弹性流体润滑条件下轴承外圈、内圈、滚动体的相互作用；2)模型中包括轴承外圈、内圈以及滚动体的平面位移自由度，共(4+2Nb)个自由度，Nb是滚动体个数；3)建立剥落故障时变位移激励模型和时变位移激励函数；4)运用四阶龙格‑库塔法求解动力学微分方程，得到剥落故障球轴承的模拟信号，并通过实验数据验证了该方法的准确性和可行性。本发明解决了模拟剥落故障球轴承的动态响应问题，实现了球轴承在实际受力情况下的动力学分析，本方法适用于模拟早期单一剥落故障深沟球轴承的振动响应信号。
-
公开(公告)号：CN115270342A
公开(公告)日：2022-11-01
申请号：CN202210917555.7
申请日：2022-08-01
IPC: G06F30/17 , G06F30/20 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种剥落故障深沟球轴承多自由度动力学建模方法，包括：1)建立深沟球轴承动力学模型，考虑轴和轴承座外壳的弹性支撑以及弹性流体润滑条件下轴承外圈、内圈、滚动体的相互作用；2)模型中包括轴承外圈、内圈以及滚动体的平面位移自由度，共(4+2Nb)个自由度，Nb是滚动体个数；3)建立剥落故障时变位移激励模型和时变位移激励函数；4)运用四阶龙格‑库塔法求解动力学微分方程，得到剥落故障球轴承的模拟信号，并通过实验数据验证了该方法的准确性和可行性。本发明解决了模拟剥落故障球轴承的动态响应问题，实现了球轴承在实际受力情况下的动力学分析，本方法适用于模拟早期单一剥落故障深沟球轴承的振动响应信号。
-
公开(公告)号：CN116956505A
公开(公告)日：2023-10-27
申请号：CN202311221757.9
申请日：2023-09-21
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，属于齿轮疲劳与断裂技术领域，包括以下步骤：建立惰轮单齿的有限元模型，并划分网格模型；设置齿轮材料属性并施加边界条件；通过求解齿轮系统动力学模型得到动态啮合载荷，并将动态啮合载荷分别等效施加至惰轮两侧齿廓上；进行有限元分析，得到齿根的应力分布，确定齿根最大应力位置；对非对称循环交变动载荷下的惰轮单齿有限元模型进行齿根裂纹扩展仿真，并预测裂纹扩展的寿命。本发明采用上述的一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，能排除外界干扰，分析结果符合实际工况情况，为复杂工况下惰轮裂纹扩展与寿命预测提供一种更可靠、更高效的分析方法。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
