-
公开(公告)号：CN119202908B
公开(公告)日：2025-04-29
申请号：CN202411698633.4
申请日：2024-11-26
Applicant: 西安交通大学
IPC: G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/0455 , G06F18/22 , G06F18/214
Abstract: 一种基于可学习稀疏正则字典学习的机械异常检测方法与系统，方法中，采集机械正常运转时的振动信号，并进一步构造训练数据集；构建包含可学习稀疏正则项的字典学习模型，将输入信号表示为字典与稀疏编码的卷积形式；利用半二次分裂算法完成模型迭代计算公式的推导；为公式中的每个变量和权重设计相应的网络模块，模块的组合表示一次迭代计算，多个迭代计算过程叠加构成可学习稀疏正则网络；使用训练数据集训练网络，提取正常样本特征，并利用反向传播技术更新网络参数；将测试样本输入训练好的网络，计算重构数据与输入样本间的误差，根据误差值的大小判断机械是否为正常状态；对网络的重构输出进一步分析，完成网络的事后可解释说明。
-
公开(公告)号：CN115524150B
公开(公告)日：2024-04-05
申请号：CN202211112505.8
申请日：2022-09-13
Applicant: 西安交通大学
IPC: G01M99/00 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 公开了一种基于稀疏时域同步平均的旋转机械故障检测方法，基于稀疏时域同步平均的旋转机械故障检测方法中，传感器采集旋转机械的振动信号以及转频或转频脉冲信号，并进行模数转换获得振动信号和转速信息；根据旋转机械中检测部件的类型和数量，基于所述振动信号和转速信息构造部件敏感梳状向量g，涉及的机械旋转部件包括齿轮、转子和轴承；基于部件敏感梳状向量g构造类时域同步平均向量w；利用类时域同步平均向量w构造稀疏时域同步平均模型F；利用优化求解算法对稀疏时域同步平均模型F进行求解得到稀疏频谱和重构时域信号；根据所述稀疏频谱和时域信号构建STSA_CI指标以进行故障诊断。
-
公开(公告)号：CN117232793A
公开(公告)日：2023-12-15
申请号：CN202211690519.8
申请日：2022-12-27
Applicant: 西安交通大学
IPC: G01M13/00 , G01M13/045 , G01M13/021 , G01M13/028 , G06F17/10
Abstract: 公开了一种基于自适应带宽稀疏时域同步平均的机械故障诊断方法，方法中，已知传感器的精度信息，用传感器采集机械振动以及转速信号，并进行模/数转换，利用已知的机械部件信息，得到自适应带宽加权向量w1，并计算衡量波动程度的指标IADSTSA。然后判断转速波动是否正常：若不满足要求，须对振动信号进行阶次分析并构造自适应带宽加权向量。第三，判断传感器的精度：若传感器精度低，须使用高精度转速估计方法修正，并重新构造自适应带宽加权向量。最后，构造稀疏时域同步平均模型F，利用迭代优化求解算法对模型求解得到稀疏频域信息x和重构时域信息最后使用包络谱分析并借助指标CIADSTSA辅助分析进行齿轮、转子以及轴承等机械故障诊断。
-
公开(公告)号：CN112633245B
公开(公告)日：2023-01-06
申请号：CN202011644046.9
申请日：2020-12-31
Applicant: 西安交通大学
IPC: G06F18/10 , G06F18/241 , G06F18/214 , G06F18/21 , G06V10/82 , G01M13/021 , G01M13/028 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/092 , G06F123/02
Abstract: 公开了基于深度强化学习模型的行星齿轮箱故障诊断方法，方法包括：信号采集，获得行星齿轮箱在不同的健康状况下的振动信号，基于所述振动信号构建训练样本信号及测试样本信号；时频图像生成，同步提取所述训练样本信号及测试样本信号变换为二维时频图像，基于所述二维时频图像构建训练集及测试集；建立深度强化学习模型，基于训练集，智能体与环境进行不断地交互，训练智能体自主学习最优的诊断策略，所述智能体包括至少两个相同结构的深度卷积神经网络；故障识别，将所述测试集中的样本逐个输入训练完成的所述智能体，根据所述诊断策略识别行星齿轮箱故障类型，及分析诊断结果。
-
公开(公告)号：CN110991546B
公开(公告)日：2022-06-21
申请号：CN201911262788.2
申请日：2019-12-10
Applicant: 西安交通大学
IPC: G06K9/62 , G01M13/045
Abstract: 本公开揭示了一种基于改进局部线性嵌入算法的轴承退化特征提取方法，包括：求取初始邻域参数；调整初始领域参数；调整欧式距离；提取低维度特征。本公开能够自适应地求取轴承高维退化特征中各个样本的初始邻域参数，避免依赖经验设置固定的全局初始邻域参数，根据样本密度和轴承高维退化特征的内在流行曲率的估计情况对样本的初始领域参数作进一步调整，同时根据欧式距离和测地线距离的比值对欧式距离进行更新，将更新后的欧式距离和调整后的样本的初始邻域参数输入局部线性嵌入方法，可以确保轴承低维退化特征提取的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113762069A
公开(公告)日：2021-12-07
申请号：CN202110839564.4
申请日：2021-07-23
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种任意噪声下长序列鲁棒增强快速趋势滤波方法，首先采用滑窗的办法将信号进行分割，将每段信号分别采用鲁棒增强趋势滤波方法进行提取趋势信号，通过求取在2个窗内重叠部分信号之间距离最小点，即可确定拼接点，分别将2个窗内信号在拼接点处分别截取，即可获得较为平滑的曲线；本发明可以用于提取天气信号、摩擦系数信号、振动信号等随时间变化的一维信号，本方法克服了原有的趋势滤波方法只能提取高斯白噪声分布下的信号趋势，可以提取非高斯白噪声下的趋势信号，并且本方法能够对长序列信号进行提取，极大的提高了长序列信号的提取效率，缩短了提取时间。
-
公开(公告)号：CN113324758A
公开(公告)日：2021-08-31
申请号：CN202110588072.2
申请日：2021-05-27
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于半监督对抗网络的轴承故障诊断方法，包括：S100：采集轴承真实故障时的振动信号xf、轴承正常运行时的振动信号xh以及待测轴承振动信号S200：构建由生成器g、特征网络f、故障分类器fc、鉴别器d、辅助分类器ac和诊断网络diag组成的半监督生成对抗网络并进行训练，训练包括如下步骤：S201：对生成器g进行训练，生成故障状态以及正常运行下的伪轴承振动信号S202：以振动信号xf、xh以及伪轴承振动信号对特征网络f、故障分类器fc、鉴别器d和辅助分类器ac进行训练；S203：待步骤S201和步骤S202的训练收敛后，以振动信号xh、xf和伪轴承振动信号对诊断网络diag进行训练；S300：将待测轴承振动信号输入训练后的诊断网络diag进行故障诊断。
-
公开(公告)号：CN112784490A
公开(公告)日：2021-05-11
申请号：CN202110100316.8
申请日：2021-01-25
Applicant: 西安交通大学
Abstract: 公开直升机健康管理系统的传感器位置优化方法，包括将直升机健康管理系统的传感器采集信号按传感器编号顺序排列形成多信道传感器信号输入矩阵X，构造用于信道权重的自适应学习的信道权重自适应模块，对信道权重使用非线性激活函数M(·)进行激活使得信道权重被限制在预定范围内，得到加权后的输入将信道权重自适应模块加入到多尺度卷积神经网络的输入层以构造信道权重自适应深度网络，在网络训练过程中多信道输入信号先经过信道权重自适应模块对各个通道中的信号权重进行修正，再将加权后的信号输入到多尺度卷积神经网络中用于特征提取和故障识别。通过对比网络训练前后的信道权重的大小变化，挑选出权值增加的关键传感器从而实现传感器的优化布置。
-
公开(公告)号：CN112633245A
公开(公告)日：2021-04-09
申请号：CN202011644046.9
申请日：2020-12-31
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08
Abstract: 公开了基于深度强化学习模型的行星齿轮箱故障诊断方法，方法包括：信号采集，获得行星齿轮箱在不同的健康状况下的振动信号，基于所述振动信号构建训练样本信号及测试样本信号；时频图像生成，同步提取所述训练样本信号及测试样本信号变换为二维时频图像，基于所述二维时频图像构建训练集及测试集；建立深度强化学习模型，基于训练集，智能体与环境进行不断地交互，训练智能体自主学习最优的诊断策略，所述智能体包括至少两个相同结构的深度卷积神经网络；故障识别，将所述测试集中的样本逐个输入训练完成的所述智能体，根据所述诊断策略识别行星齿轮箱故障类型，及分析诊断结果。
-
公开(公告)号：CN110553844B
公开(公告)日：2020-12-25
申请号：CN201910673971.5
申请日：2019-07-24
Applicant: 西安交通大学
IPC: G01M13/045 , G01M13/028 , G01B21/22 , G06F17/10
Abstract: 本发明公开了一种旋转机械的不对中故障检测方法及其检测系统，方法包括以下步骤：测量旋转机械的输入端转频ωs以及输入端轴承的轴向和径向振动信号x(t)；基于所述转频ωs以及输入端轴承的轴向和径向振动信号x(t)进行数据处理得到滤波后的信号y(t)以及基于滤波后的信号y(t)频谱处理得到频谱幅值指标；通过第二步骤得到轴向频谱幅值指标TZ和径向频谱幅值指标TJ，当轴向振动信号的频幅值指标TZ小于第一预定值，径向振动信号的频幅值指标TJ小于第二预定值，确定旋转机械正常对中，当轴向振动信号的频幅值指标TZ大于第一预定值和/或径向振动信号的频幅值指标TJ大于第二预定值，确定发生不对中故障。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.025 seconds)
