-
公开(公告)号：CN116122977A
公开(公告)日：2023-05-16
申请号：CN202211166593.X
申请日：2022-09-23
Applicant: 烟台哈尔滨工程大学研究院
IPC: F02D41/22 , G06F18/2411
Abstract: 本发明属于机械健康管理技术领域，公开一种基于自适应波形延拓优化EEMD的共轨喷油器故障诊断方法，包括以下步骤：获取共轨喷油器不同状态下高压油管压力波动信号，并且将采集的压力信号分为训练样本和测试样本，所述共轨喷油器的状态包括：喷油器状态正常、喷油器针阀卡滞和喷油器喷孔堵塞；根据自适应波形延拓优化EEMD算法对压力信号进行自适应分解，降低冗余信号干扰；计算滤波后压力信号的层次加权排列熵(HWPE)，以信息熵值作为压力信号的故障特征；利用训练样本完成SVM多分类器训练，将测试样本输入训练完成的SVM多分类器中，输出共轨喷油器故障分类识别结果。本发明的技术方案提高了共轨喷油器故障诊断的准确率，提高柴油机运行可靠性。
-
公开(公告)号：CN112761843A
公开(公告)日：2021-05-07
申请号：CN202110188029.7
申请日：2021-02-18
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种共轨喷油器故障诊断方法，第一步信号采集，采用高压油管压力信号作为喷油器故障源信号；第二步信号预处理，利用改进的EEMD分解方法对油管压力信号进行滤波处理；第三步故障特征提取，计算滤波后油管压力信号的层次加权排列熵，以信息熵值作为喷油器故障特征指标；第四步训练分类器，利用得到的信息熵值训练SVM多分类器；第五步分类识别，将测试样本的信息熵值作为特征向量输入训练完成的SVM多分类器中，输出共轨喷油器故障识别分类结果。本发明提高了共轨喷油器故障诊断的准确率和智能化水平，可以实时监测共轨喷油器工作状态，提高柴油机运行可靠性。
-
公开(公告)号：CN112610344A
公开(公告)日：2021-04-06
申请号：CN202011459205.8
申请日：2020-12-11
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种基于CEEMD和改进层次离散熵的共轨喷油器故障诊断方法，首先利用CEEMD对燃油压力信号进行自适应分解，并通过相关系数剔除冗余分量，重构有效燃油压力信号。然后计算重构信号的改进层次离散熵，以改进层次离散熵作为故障特征输入LSSVM多分类器，从而实现共轨喷油器故障诊断。本发明适用于强噪声干扰的现场工业环境下的共轨喷油器故障诊断，具有故障诊断准确率高和抗干扰性强的优点。
-
公开(公告)号：CN111520231A
公开(公告)日：2020-08-11
申请号：CN201911396075.5
申请日：2019-12-30
Applicant: 哈尔滨工程大学
IPC: F02B77/08
Abstract: 本发明的目的在于提供一种基于CHDE和PWFP的共轨喷油器敏感故障特征提取方法，首先利用高精度压力传感器收集高压油管压力信号；然后计算燃油压力信号的复合层次离散熵；接着计算各层次的离散熵之间的邻近度，并依照邻近度打分，分数按照升序排列，分数越低，层次的离散熵对故障特征更敏感；最后将测试样本输入训练后二叉树支持向量机多分类器进行故障诊断和模式识别，并输出故障诊断结果。本发明适应于复杂工况的共轨喷油器敏感故障特征的提取，具有较好的故障诊断效果。
-
公开(公告)号：CN117743947B
公开(公告)日：2024-04-30
申请号：CN202410185643.1
申请日：2024-02-20
Applicant: 烟台哈尔滨工程大学研究院
IPC: G06F18/241 , B63B79/10 , G01H17/00 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种小样本下的智能机舱故障诊断方法及介质，包括以下步骤：步骤1：通过安装在机舱指定设备上的振动传感器进行数据采集，获取所述指定设备正常状态下和不同故障状态下的振动信号；步骤2：通过小样本数据判断器判断振动信号是否为小样本数据；使用峭度原理对原始振动信号进行特征对齐，提高模型生成质量与诊断精度。将一维振动信号转换为二维灰度图，能够提取到更高维特征，更有利于模型收敛与最终诊断精度。使用非同步更新算法对C‑CGAN模型进行改进，增强模型的稳定性，使得模型能够更好地进入纳什平衡。使用Ghost模型取代C‑CGAN中的CNN模型，能够更好地提取本征特征，减少模型陷入梯度消失的风险。
-
Patent Agency Ranking
公开(公告)号：CN117874436A
公开(公告)日：2024-04-12
申请号：CN202410274976.1
申请日：2024-03-12
Applicant: 烟台哈尔滨工程大学研究院
IPC: G06F18/10 , G01D21/02 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/006 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于复合多尺度双向多样熵船用燃油系统诊断方法及介质，包括步骤1：利用安装在共轨燃油系统指定部件上的传感器进行数据采集，得到正常状态下和不同故障状态下指定部件运行状态的物理信号；步骤2：提取正常状态下物理信号的复合多尺度双向多样性熵，以CMsBDE作为故障特征，并划分训练集与测试集；本申请充分考虑了同一尺度下所有子序列的信息，且从方向和数值上考虑了模式相似性，能够更全面地提取故障特征信息。
-
公开(公告)号：CN117828481A
公开(公告)日：2024-04-05
申请号：CN202410239118.3
申请日：2024-03-04
Applicant: 烟台哈尔滨工程大学研究院
IPC: G06F18/2415 , G06F18/10 , G06F18/214
Abstract: 本发明涉及的是一种共轨船用燃油系统诊断方法，具体地说是一种基于动态集成框架共轨船用燃油系统故障诊断方法及介质，包括以下步骤：S1：获取共轨船用燃油系统在正常状态和不同故障状态下的振动信号；S2：对获得的正常状态下的振动信号进行预处理后，通过CQ‑NSGT变换获得振动信号的时频图像，并划分训练集、验证集、测试集；本发明有效地利用CQ‑NSGT提取非稳态信号特征能力以及贝叶斯深度学习原理在评估结果不确定性的优势，适用于在非稳态条件下完成共轨船用燃油系统故障诊断，能够对诊断结果提供对应的不确定性参考。
-
公开(公告)号：CN117743947A
公开(公告)日：2024-03-22
申请号：CN202410185643.1
申请日：2024-02-20
Applicant: 烟台哈尔滨工程大学研究院
IPC: G06F18/241 , B63B79/10 , G01H17/00 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种小样本下的智能机舱故障诊断方法及介质，包括以下步骤：步骤1：通过安装在机舱指定设备上的振动传感器进行数据采集，获取所述指定设备正常状态下和不同故障状态下的振动信号；步骤2：通过小样本数据判断器判断振动信号是否为小样本数据；使用峭度原理对原始振动信号进行特征对齐，提高模型生成质量与诊断精度。将一维振动信号转换为二维灰度图，能够提取到更高维特征，更有利于模型收敛与最终诊断精度。使用非同步更新算法对C‑CGAN模型进行改进，增强模型的稳定性，使得模型能够更好地进入纳什平衡。使用Ghost模型取代C‑CGAN中的CNN模型，能够更好地提取本征特征，减少模型陷入梯度消失的风险。
-
公开(公告)号：CN116933624A
公开(公告)日：2023-10-24
申请号：CN202310777588.0
申请日：2023-06-28
Applicant: 烟台哈尔滨工程大学研究院
IPC: G06F30/27 , G06F30/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/084 , G06T17/00 , G06F119/04 , G06F119/08
Abstract: 本发明涉及船舶技术领域，提供了一种基于数字孪生的机舱状态监测与剩余寿命预测方法及系统，包括：获取机舱内任一运行设备的全寿命周期数据，所述全寿命周期数据包括：振动信号数据或/和电压信号数据或/和电流信号数据或/和温度信号数据，将不同时刻的同一类信号分为训练集和测试集；提取测试集中信号的HWPE退化特征值，将该组特征值数据映射为健康度指标HI；将HWPE退化特征值和健康度指标HI输入到IGOA‑BiLSTM网络模型中，经过数次迭代计算，得到该运行设备当前的寿命运行时刻；根据该运行设备当前的寿命运行时刻，进行该设备的剩余寿命预测计算。该方案将数字模型和物理模型通过数据驱动的方式联系在一起，并选取合适的故障诊断算法预测智能机舱设备的剩余寿命。
-
公开(公告)号：CN115467742A
公开(公告)日：2022-12-13
申请号：CN202211073083.8
申请日：2022-09-02
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种基于IWOA‑SVR‑EEMD的共轨喷油器故障信号预处理方法，采集高压油管压力信号后先用改进鲸鱼优化算法寻优的支持向量回归进行信号延拓；然后对延拓后的信号进行集合经验模态分解，得到若干个本征模态分量；最后计算各本征模态分量的皮尔逊积矩相关系数，留下与原信号相关性大的分量进行分量合成；预处理结束，得到经过去噪处理的高压油管压力信号。本发明相比于原始集合经验模态分解方法对端点效应问题抑制效果更好；相比于传统信号去噪方法，去噪后信号的信噪比更高。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
