-
公开(公告)号：CN113743010B
公开(公告)日：2023-11-07
申请号：CN202111016932.1
申请日：2021-08-31
Applicant: 三峡大学
IPC: G06F30/27 , G06F30/25 , G06F18/214 , G06N20/10 , G06F119/04
Abstract: 本发明涉及基于EEMD能量熵的滚动轴承运行状态评估方法，包括：采集轴承全寿命振动数据；计算得到轴承的全寿命时域特征值；将不同时间段的轴承振动信号分解成模态分量，计算EEMD能量熵；计算得到轴承的全寿命的综合指标值；利用时域特征值、模态分量能量熵和综合指标值构建数据集；利用数据集和混沌粒子群算法对轴承寿命预测模型进行训练，确定最优的参数；采集待检测轴承的振动信号，计算时域特征值和模态分量能量熵，并输入轴承寿命预测模型，根据模型输出的综合指标值对待检测轴承进行运行状态评估。本发明利用时域指标和时频域特征指标提取得到综合指标值，利用混沌粒子群算法搜索确定最优的模型参数，得到预测精度高的轴承寿命预测模型。
-
公开(公告)号：CN115266094A
公开(公告)日：2022-11-01
申请号：CN202210775339.3
申请日：2022-07-03
Applicant: 三峡大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明涉及基于TVD和MED的滚动轴承故障诊断方法，包括：获取滚动轴承振动信号；采用峰值系数法初步判断滚动轴承是否产生故障；对原始滚动轴承故障信号进行总变差降噪，利用相关系数和Teager能量算子的加权指标确定正则化参数a的最优值；对降噪信号采用最小熵解卷积滤波，减少脉冲响应函数的传播；最后对增强信号进行包络解调，提取清晰的故障特征频率及其倍频，诊断轴承故障类型。本发明解决了包络解调不能快速识别高频范围内故障特征频率的问题，提出的TVD‑MED复合方法，对高频范围倍频故障频率具有更好的提取效果；本发明在对原始轴承振动信号的降噪过程中，同时考虑相关性和冲击特性，利用加权指标选取最优的正则化参数，使得降噪效果更好。
-
公开(公告)号：CN113375939A
公开(公告)日：2021-09-10
申请号：CN202110594636.3
申请日：2021-05-28
Applicant: 三峡大学
IPC: G01M13/045 , G01M13/00
Abstract: 本发明涉及基于SVD和VMD的机械件故障诊断方法，包括：获取机械件的振动信号；与无故障机械件相比较，判断有无异常；对振动信号进行奇异值分解，计算奇异值序列的相邻奇异值的差值，得到差分谱；分析差分谱，确定重构阶数，对机械件振动信号进行重构；将重构信号分解成模态分量，确定最优的模态分量数量；再对原故障诊断的机械件的振动信号进行变分模态分解；选出加权峭度指标值较大的模态分量进行信号合成；利用合成信号生成包络谱；根据包络谱判断机械件的故障类型。本发明解决了变分模态分解方法分解参数难以确定的问题，对重构信号的变分模态分解以确定最优的模态分量数量的过程中，考虑了模态分量与原信号的相关性，确定的分解参数更优。
-
公开(公告)号：CN115266094B
公开(公告)日：2024-09-17
申请号：CN202210775339.3
申请日：2022-07-03
Applicant: 三峡大学
IPC: G01M13/045 , G06F18/213 , G06F18/10
Abstract: 本发明涉及基于TVD和MED的滚动轴承故障诊断方法，包括：获取滚动轴承振动信号；采用峰值系数法初步判断滚动轴承是否产生故障；对原始滚动轴承故障信号进行总变差降噪，利用相关系数和Teager能量算子的加权指标确定正则化参数a的最优值；对降噪信号采用最小熵解卷积滤波，减少脉冲响应函数的传播；最后对增强信号进行包络解调，提取清晰的故障特征频率及其倍频，诊断轴承故障类型。本发明解决了包络解调不能快速识别高频范围内故障特征频率的问题，提出的TVD‑MED复合方法，对高频范围倍频故障频率具有更好的提取效果；本发明在对原始轴承振动信号的降噪过程中，同时考虑相关性和冲击特性，利用加权指标选取最优的正则化参数，使得降噪效果更好。
-
公开(公告)号：CN117540285A
公开(公告)日：2024-02-09
申请号：CN202311309703.8
申请日：2021-08-31
Applicant: 三峡大学
IPC: G06F18/2411 , G01M13/045 , G06F18/2433 , G06N20/10 , G06F18/27 , G06N3/006 , G06N5/01 , G06N7/08 , G06F18/2135
Abstract: 本发明涉及基于能量熵和回归型支持向量机的轴承运行状态评估方法，包括：采集轴承全寿命振动数据；计算得到轴承的全寿命时域特征值；将不同时间段的轴承振动信号分解成模态分量，计算能量熵；计算得到轴承的全寿命的综合指标值；利用时域特征值、模态分量能量熵和综合指标值构建数据集；利用数据集和混沌粒子群算法对轴承寿命预测模型进行训练，确定最优的参数；采集待检测轴承的振动信号，计算时域特征值和模态分量能量熵，并输入轴承寿命预测模型，根据模型输出的综合指标值对待检测轴承进行运行状态评估。本发明利用时域指标和时频域特征指标提取得到综合指标值，利用混沌粒子群算法搜索确定最优的模型参数，得到精度高的轴承寿命预测模型。
-
Patent Agency Ranking
-
公开(公告)号：CN113375939B
公开(公告)日：2022-04-08
申请号：CN202110594636.3
申请日：2021-05-28
Applicant: 三峡大学
IPC: G01M13/045 , G01M13/00
Abstract: 本发明涉及基于SVD和VMD的机械件故障诊断方法，包括：获取机械件的振动信号；与无故障机械件相比较，判断有无异常；对振动信号进行奇异值分解，计算奇异值序列的相邻奇异值的差值，得到差分谱；分析差分谱，确定重构阶数，对机械件振动信号进行重构；将重构信号分解成模态分量，确定最优的模态分量数量；再对原故障诊断的机械件的振动信号进行变分模态分解；选出加权峭度指标值较大的模态分量进行信号合成；利用合成信号生成包络谱；根据包络谱判断机械件的故障类型。本发明解决了变分模态分解方法分解参数难以确定的问题，对重构信号的变分模态分解以确定最优的模态分量数量的过程中，考虑了模态分量与原信号的相关性，确定的分解参数更优。
-
公开(公告)号：CN113743010A
公开(公告)日：2021-12-03
申请号：CN202111016932.1
申请日：2021-08-31
Applicant: 三峡大学
IPC: G06F30/27 , G06F30/25 , G06K9/62 , G06N20/10 , G06F119/04
Abstract: 本发明涉及基于EEMD能量熵的滚动轴承运行状态评估方法，包括：采集轴承全寿命振动数据；计算得到轴承的全寿命时域特征值；将不同时间段的轴承振动信号分解成模态分量，计算EEMD能量熵；计算得到轴承的全寿命的综合指标值；利用时域特征值、模态分量能量熵和综合指标值构建数据集；利用数据集和混沌粒子群算法对轴承寿命预测模型进行训练，确定最优的参数；采集待检测轴承的振动信号，计算时域特征值和模态分量能量熵，并输入轴承寿命预测模型，根据模型输出的综合指标值对待检测轴承进行运行状态评估。本发明利用时域指标和时频域特征指标提取得到综合指标值，利用混沌粒子群算法搜索确定最优的模型参数，得到预测精度高的轴承寿命预测模型。
-
公开(公告)号：CN113375940A
公开(公告)日：2021-09-10
申请号：CN202110594638.2
申请日：2021-05-28
Applicant: 三峡大学
IPC: G01M13/045
Abstract: 本发明涉及基于SVD和CEEMDAN的故障轴承诊断方法，包括：采集轴承振动信号；计算时频分布，初步判断轴承是否产生故障；对原始故障轴承信号进行奇异值分解去噪重构；对初步降噪信号进行自适应噪声完备集合经验模态分解，得到多个本征模态分量；计算各个本征模态分量与原信号之间的KL散度，剔除无效分量；对有效本征模态分量进行重构；对重构信号进行自相关去噪，再对其画包络谱，提取清晰的故障特征频率，诊断轴承故障类型。本发明利用奇异值分解去噪后重构，进行模态分解，并剔除无效分量，再利用重构信号的包络谱进行故障诊断，有效提高了轴承故障诊断的准确性；本发明消除了模态混叠，极大地降低了计算资源的消耗，提高了信号分解效率。
-
公开(公告)号：CN112557038A
公开(公告)日：2021-03-26
申请号：CN202011623754.4
申请日：2020-12-30
Applicant: 三峡大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明公开了多重降噪处理的轴承早期故障诊断方法，包括：采集轴承的振动信号；对轴承振动信号进行短时傅里叶变换，初步判断轴承是否发生故障；利用小波包变换，对轴承振动信号分解和重构，进行初步去噪；利用集合经验模态分解方法对小波包重构信号分解、筛选和重构；剔除重构信号中包含的混叠干扰信号，对轴承振动信号进行多层降噪；对降噪后的重构信号进行解调处理，提取轴承故障频率；与理论计算故障频率对比，诊断得出轴承的故障结论。本发明采用的小波包变换、集合经验模态分解方法和自相关计算去噪相结合的故障分析方式，凸显微弱故障特征，有利于在轴承早期故障阶段尽早诊断、识别出轴承异常，避免或减少设备故障带来的损失。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
