公开(公告)号：CN117993285A

公开(公告)日：2024-05-07

申请号：CN202410036072.5

申请日：2024-01-10

Applicant: 西安交通大学

Inventor： 严如强 ,  许文纲 ,  王志颖 ,  商佐港 ,  周峥 ,  孙闯 ,  陈雪峰

IPC: G06F30/27 ,  G06F30/28 ,  G06F30/15 ,  G06N3/092 ,  G06N3/048 ,  G06F18/25 ,  G06F113/08 ,  G06F119/14

Abstract: 公开了一种基于混合数字孪生驱动的燃油系统健康监测方法，方法中，建立燃油系统的一体化动力学模型，燃油系统模型包括齿轮泵出多尺度流量模型、活门的动力学模型、管路的动力学模型和过滤器动力学模型，基于深度强化学习的模型更新，物理实体的状态数据定义为环境状态，物理实体的虚拟仿真模型在MATLAB Simulink环境中进行仿真，通过ODE45对系统模型进行求解，获得物理实体测点对应位置的压力和流量数据，将压力传感器测量的实际数据与系统模型仿真获得的压力数据之间的误差作为强化学习智能体的奖励，基于数字孪生模型的磨损评估，分别计算不同磨损程度对应的评估向量与基准向量之间的距离，以对齿轮泵健康状态的评估。

公开(公告)号：CN119321890A

公开(公告)日：2025-01-17

申请号：CN202411271271.0

申请日：2024-09-11

Applicant: 西安交通大学

Inventor： 杨来浩 ,  胡晨烨 ,  严如强 ,  商佐港 ,  李亚松 ,  孙闯

IPC: G01M13/028 ,  G01M13/021 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种正常样本聚合对比学习网络的齿轮箱变工况故障检测方法，该方法中，使用振动传感器在转速变化的条件下采集齿轮箱不同健康状态下运行的振动信号，对训练集中的样本连续进行偏移变换与保同变换，生成虚拟正常样本和虚拟异常样本集合；建立深度对比学习网络，根据所生成虚拟样本计算基于常态样本聚集和异常样本分离的对比损失，通过最小化对比损失训练网络；将记忆样本集输入到训练后的网络中，以每一个样本与剩余记忆样本集合的最小余弦距离作为异常分数，确定检测阈值；最后计算测试样本的异常分数，根据阈值判断齿轮箱的健康状态。本发明实现变工况齿轮箱的故障检测。

公开(公告)号：CN115687903A

公开(公告)日：2023-02-03

申请号：CN202211342022.7

申请日：2022-10-28

Applicant: 西安交通大学

Inventor： 严如强 ,  商佐港 ,  赵志斌 ,  郭艳婕 ,  周峥 ,  杨远贵

IPC: G06F18/213 ,  G06F18/10 ,  G06F18/2415 ,  G06N3/048 ,  G06N3/045 ,  G06N3/047 ,  G06N3/08 ,  G01M13/021 ,  G01M13/028 ,  G06F123/00

Abstract: 本公开揭示了一种基于小波去噪网络的航空发动机锥齿轮故障诊断方法，包括如下步骤：S100：采集待测航空发动机锥齿轮振动信号并进行分段；S200：构建故障诊断模型并进行训练；S300：基于训练好的故障诊断模型对分段后的振动信号进行检测，并输出振动信号的不同故障类别的概率，其中，概率最大值即为锥齿轮的实际故障。本公开充分考虑了信号处理技术与深度学习网络用于故障诊断的优缺点，通过引入小波变换、置零去噪、不同尺度小波系数选择技术，将信号处理与深度学习网络的数据驱动能力有机结合，提高了故障诊断技术的抗噪性、诊断准确率及诊断稳定性。