-
公开(公告)号：CN112284719B
公开(公告)日：2022-08-16
申请号：CN202010976229.4
申请日：2020-09-16
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028 , G06F17/14 , G06F17/15
Abstract: 本发明涉及一种行星齿轮箱齿面磨损故障诊断方法及系统，其包括步骤：采用FSWT对原始振动信号进行频带选取，并进行信号重构；将重构信号进行Hilbert变换，得到低频调制信号；采用MOMEDA算法提取低频调制信号中的周期性故障脉冲，得到故障信号；对故障信号进行平方包络谱分析，突出故障信号中的瞬态能量成分，识别聚集在低频段的故障特征频率；对故障信号进行HEI量化处理，实现对行星齿轮箱齿面磨损的故障诊断。本发明能实现直接对行星齿轮箱故障特征频率的准确提取，进而对行星齿轮箱齿面磨损故障进行研究和分析。
-
公开(公告)号：CN111444871A
公开(公告)日：2020-07-24
申请号：CN202010251430.6
申请日：2020-04-01
Applicant: 北京信息科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028
Abstract: 本发明涉及一种多尺度深度卷积神经网络行星齿轮箱故障诊断方法，其步骤：采集行星齿轮箱在正常运行状态、齿面磨损、行星轮断齿及滚动体轴承缺失四种状态下的原始振动信号；对每一组原始振动信号都进行点数分割，构建样本数据集；利用多尺度一维深度卷积网络进行故障诊断。本发明可以构建出特征提取与故障诊断为一体的智能诊断网络，可以节约大量的人工操作，并且具有诊断精度高，鲁棒性强的特点。
-
公开(公告)号：CN108444709A
公开(公告)日：2018-08-24
申请号：CN201810349861.9
申请日：2018-04-18
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种VMD与FastICA相结合的滚动轴承故障诊断方法，其步骤：利用现有数据采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行VMD分解；原始振动信号经VMD后分解为k个模态分量，以连续的3个模态分量为一序列组合进行FastICA分析，得到重构故障信号；对重构故障信号进行Hilbert变换，得到重构故障信号的包络谱，在所得包络谱中提取各故障特征下的特征频率、调制特征频率及边频带，进而根据提取的特征频率成分判断滚动轴承是否存在故障以及故障类型。
-
公开(公告)号：CN116090655A
公开(公告)日：2023-05-09
申请号：CN202310143960.2
申请日：2023-02-09
Applicant: 北京信息科技大学
IPC: G06Q10/04 , G06Q10/087 , G06Q50/04 , G06N3/126
Abstract: 本发明涉及一种面向智能仪器仪表生产任务的运行预测方法及系统，其包括：基于遗传算法优化企业的零件库存状态；根据企业的零件库存状态、库存零件总的加工时间、加工后零件能够装配成部件的部件装配时间和部件能够组装成系统的调试检验时间因素，计算现有库存能够满足生产的最长时间，以确定第二批零件的允许采购时间，完成运行预测。本发明能计算现有库存能够满足生产的最长时间，定量确定允许的第二批零件的采购时间。本发明可以在智能生产制造领域中应用。
-
公开(公告)号：CN112668125A
公开(公告)日：2021-04-16
申请号：CN202110010711.7
申请日：2021-01-06
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种提高非完整小圆弧评价精度的方法、系统、介质及设备，其包括：确定预先建立的三次指数平滑预测模型的第一个最佳平滑系数；进一步确定其余最佳平滑系数；将最佳平滑系数拟合出平滑系数的变化趋势曲线，根据拟合公式获取数据点集外预测期数的平滑系数；利用数据点集外预测期数的平滑系数计算预测实测数据点集外的数据点；判断是否达到预先设定的预测期数，达到则将数据点集逆序；将原实测数据点集与预测数据点集合并形成新数据点集，将该新数据点集利用评价方法进行曲率参数评价，提高了非完整小圆弧评价精度。本发明能提高曲率半径参数评价的准确性，有效提高了非完整小圆弧曲率半径参数评价的稳定性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN112163640A
公开(公告)日：2021-01-01
申请号：CN202011190507.X
申请日：2020-10-30
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于深度卷积迁移学习行星齿轮箱故障诊断方法及系统，其包括以下步骤：收集已有工况S下的行星齿轮箱故障数据集，构建源域数据集；对每一组原始振动信号都进行点数分割，构建源域样本数据集；构建目标域数据集，并对目标域数据集中的每组原始振动信号进行点数分割，构建目标域样本数据集；将源域样本数据集和目标域样本数据集利用深度卷积迁移学习，实现对行星齿轮箱进行故障诊断。本发明可以在面对多工况下故障样本较少或某故障样本缺失等情况发生时，仍旧可以获得较为理想的故障诊断效果，且在新工况下的数据集，不需要重新训练网络模型，可以节约大量时间。
-
公开(公告)号：CN109443752B
公开(公告)日：2020-11-27
申请号：CN201811206915.2
申请日：2018-10-17
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD‑模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD‑模平方阈值处理，得到处理后的信号提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
-
公开(公告)号：CN108956141A
公开(公告)日：2018-12-07
申请号：CN201810289904.9
申请日：2018-04-03
Applicant: 北京信息科技大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明涉及一种基于模平方阈值—FastICA的滚动轴承降噪方法，其步骤：采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行模平方阈值降噪，得到模平方阈值降噪后的信号；将模平方阈值降噪后的信号与原始振动信号组成输入矩阵，进行FastICA降噪，得到两个独立分量；判断两个独立分量的时域波形，选择包含较多故障信息的独立分量进行Hilbert包络和FFT，得到经模平方阈值—FastICA降噪后信号的时域波形图和频谱图；令模平方阈值—FastICA降噪后信号为yf,求原始信号与yf的峭度值，根据峭度值判断原始振动信号是否存在故障以及模平方阈值—FastICA的降噪效果，由降噪后信号的频谱图提取滚动轴承原始振动信号的特征频率成分，根据特征频率成分判断滚动轴承是否存在故障以及故障类型。
-
公开(公告)号：CN108537216A
公开(公告)日：2018-09-14
申请号：CN201810289223.2
申请日：2018-04-03
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种面向复杂纳西东巴象形文字的识别方法，其步骤：对纳西东巴象形文字进行特征提取；根据纳西东巴象形文字的特点，提取东巴象形文字的5类拓扑特征值：块数a、孔数b、端点个数c、三叉点数d和四叉点数e，将东巴象形文字以拓扑特征码abcde表示。对东巴象形文字进行特征提取后，每个待识别的东巴文样本都形成了数据特征，采用多级识别的方法对东巴文进行智能识别。本发明能有效解决纳西经典古籍因笔画复杂、年代久远、笔迹不清导致的识别困难问题。本发明可以广泛在文字识别领域中应用。
-
公开(公告)号：CN104897277A
公开(公告)日：2015-09-09
申请号：CN201510295830.6
申请日：2015-06-02
Applicant: 北京信息科技大学
IPC: G01H17/00
Abstract: 本发明涉及一种基于双谱熵的风力发电机组故障诊断方法，其步骤：采集风力发电机组在正常运行状态、轻度故障、中度故障以及重度故障下的振动信号；计算所有振动信号的故障特征带；建立故障疏离度检测模型；采集待检测风力发电机组的振动信号，将待检测振动信号进行故障特征带计算，得到的故障特征输入故障疏离度检测模型中，计算该故障状态与四类故障状态的故障疏离度,得到的最小疏离度即为该风机的故障状态。本发明能有效提取非平稳信号的故障特征，并进行风力发电机组的故障诊断，提高故障诊断的精度，可以广泛在风电机组设备故障诊断中应用。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.038 seconds)
