公开(公告)号：CN109186964A

公开(公告)日：2019-01-11

申请号：CN201810849688.9

申请日：2018-07-28

Applicant: 华中科技大学

Inventor： 吴军 ,  郭鹏飞 ,  程一伟 ,  徐雪兵 ,  林漫曦

IPC: G01M13/00

Abstract: 本发明公开了一种基于角度重采样与ROC-SVM的旋转机械故障诊断方法，属于机械设备故障诊断领域。该方法采用角度重采样技术消除转速波动；从时域和时频域维度进行特征值提取；运用ROC-SVM实现旋转机械的特征选择与故障诊断。本发明使用角度重采样方法能够有效的消除转速波动引起的单位时间内振动信号采样点数变化，提高了后续提取特征值的品质；将时域和时频域特征结合起来，达到更加广泛的特征提取，得到足够多的振动信号信息；使用ROC-SVM进行特征选择与故障诊断，选取最好的特征，防止不良特征降低故障分类器的效果；能够提高轴承故障诊断的准确性和有效性，能提高诊断速度，为解决轴承故障诊断问题提供了一种新思路。

公开(公告)号：CN108520320A

公开(公告)日：2018-09-11

申请号：CN201810287783.4

申请日：2018-03-30

Applicant: 华中科技大学

Inventor： 吴军 ,  程一伟 ,  朱海平 ,  邵新宇 ,  黎国强

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/02

Abstract: 本发明属于机械设备状态监测和寿命预测技术领域，并公开了一种基于多重长短期记忆网络和经验贝叶斯的设备寿命预测方法，包括以下步骤：1)获取机械设备的多种监测信号，并对采集的监测信号进行预处理；2)对监测信号进行筛选，选取能较好反应机械设备退化过程的信号；3)构建多重长短期记忆网络模型实现多个网络同步训练；4)将传感器实时采集的信号输入到多重长短期记忆网络模型中，多个网络进行并行预测，得到预测结果；5)利用经验贝叶斯算法对预测结果的概率分布进行估计，推断出最可能的设备剩余使用寿命。本发明能够对机械设备的剩余使用寿命进行实时精确预测，实现机械设备故障的提前感知，保障机械设备的安全、稳定、长周期运行。

公开(公告)号：CN110738360A

公开(公告)日：2020-01-31

申请号：CN201910925690.4

申请日：2019-09-27

Applicant: 华中科技大学

Inventor： 吴军 ,  陈良兵 ,  程一伟 ,  胡奎 ,  朱海平

IPC: G06Q10/04 ,  G06N3/04

Abstract: 本发明属于机械设备状态监测和寿命预测技术领域，并公开了一种设备剩余寿命预测方法及系统。该方法首先需要获取设备多种物理量的历史监测信号，并从中筛选相关度较高的信号；然后为筛选出的信号设置归一化标签并转换为矩阵形式；再构建嵌套式长短期记忆神经网络，使用已知的信号矩阵进行训练，得到设备剩余寿命预测模型；最后利用高斯滤波法进一步优化模型输出，保证输出结果平稳可靠。本发明的方法及采用上述方法的系统能够对设备，尤其是长周期工作和具有耦合故障模式的机械设备的剩余使用寿命和退化状态进行实时精准预测，可实现机械设备故障的提前感知，保证设备的安全、稳定、长期运行。

公开(公告)号：CN109186964B

公开(公告)日：2019-12-17

申请号：CN201810849688.9

申请日：2018-07-28

Applicant: 华中科技大学

Inventor： 吴军 ,  郭鹏飞 ,  程一伟 ,  徐雪兵 ,  林漫曦

IPC: G01M13/00

Abstract: 本发明公开了一种基于角度重采样与ROC‑SVM的旋转机械故障诊断方法，属于机械设备故障诊断领域。该方法采用角度重采样技术消除转速波动；从时域和时频域维度进行特征值提取；运用ROC‑SVM实现旋转机械的特征选择与故障诊断。本发明使用角度重采样方法能够有效的消除转速波动引起的单位时间内振动信号采样点数变化，提高了后续提取特征值的品质；将时域和时频域特征结合起来，达到更加广泛的特征提取，得到足够多的振动信号信息；使用ROC‑SVM进行特征选择与故障诊断，选取最好的特征，防止不良特征降低故障分类器的效果；能够提高轴承故障诊断的准确性和有效性，能提高诊断速度，为解决轴承故障诊断问题提供了一种新思路。

公开(公告)号：CN107025274A

公开(公告)日：2017-08-08

申请号：CN201710167930.X

申请日：2017-03-21

Applicant: 华中科技大学

Inventor： 吴军 ,  程一伟 ,  邓超 ,  邵新宇 ,  吴超勇 ,  苏永衡 ,  曹帅

IPC: G06F17/30

CPC classification number: G06F17/30312 ,  G06F17/30572

Abstract: 本发明属于工业大数据处理相关技术领域，其公开了一种基于Hadoop的设备健康状态智能感知系统及方法，所述设备健康状态智能感知系统包括有多个传感器、Hadoop平台、数据管理模块、数据处理模块、状态监测模块、寿命监测模块及数据可视化模块；多个所述传感器用于检测设备的状态数据；所述Hadoop平台用于对所述状态数据进行分布式处理；所述数据管理模块用于对所述状态数据的导入及管理；所述数据处理模块对所述状态数据进行处理并将处理后的所述状态数据进行分类存储；所述状态监测模块用于对设备的状态进行识别及预测；所述寿命预测模块用于预测设备的寿命；所述数据可视化模块用于提取状态数据以进行可视化显示。