-
公开(公告)号：CN118809269B
公开(公告)日：2024-12-17
申请号：CN202411297564.6
申请日：2024-09-18
Applicant: 吉林大学 , 通用技术集团大连机床有限责任公司 , 通用技术集团机床工程研究院有限公司大连分公司
Abstract: 本发明公开了一种基于自适应频带解卷积的数控机床自动换刀系统早期故障检测方法，属于数控机床机械故障诊断技术领域，该方法首先利用自动换刀系统的振动监测信号构建基础矩阵和基础向量，并通过稀疏化滤波处理获得权重向量；接着，对基础矩阵和权重向量进行信号自适应频带解卷积；解卷积后，对所得结果进行频谱排序、分离与重构，以剔除频率中的干扰成分；最后，对重构信号进行包络谱分析，以提取故障特征。本发明可从原始振动监测数据中捕捉和增强早期故障特征，对干扰具有较强的鲁棒性，且能快速有效地描述自动换刀系统中伺服刀架动力头的早期故障行为；综上，本发明具有较高的效率和实用性，适用于实际工程中设备故障的监测与诊断。
-
公开(公告)号：CN118168651A
公开(公告)日：2024-06-11
申请号：CN202410388680.2
申请日：2024-04-01
Applicant: 吉林大学
IPC: G01H17/00 , G01M13/00 , G01M13/028 , G01M13/045
Abstract: 本发明公开了一种非接触式测量的旋转部件故障检测方法，属于机械故障检测领域，包括：使用傅里叶基构造字典，对信号进行相关性追踪稀疏性表达，去除信号中的极端噪声成分；结合频域峰值因子对信号进行模态分解和自适应筛选；使用筛选后模态构造初始矩阵和字典，对其进行误差累积匹配追踪，计算最优稀疏矩阵；对所得稀疏性系数矩阵和字典进行硬阈值滤波重构，对重构信号进行幅值还原；对最终输出结果进行包络分析。本发明通过非接触式声学信号采集，降低了安装和使用难度，提高了适用范围，通过以频域峰值因子作为指标对信号进行自适应模态变换及筛选的特征增强方法，用于对声信号进行微弱故障特征增强。具有采集灵活、受限制低和成本低的优点。
-
公开(公告)号：CN119820383A
公开(公告)日：2025-04-15
申请号：CN202510331106.8
申请日：2025-03-20
Applicant: 吉林大学
Abstract: 发明公开了一种基于物理信息神经网络的数控机床自动换刀系统寿命预测方法，属于数控机床的健康监测与故障预测技术领域，该方法首先利用物理退化建模建立数控机床自动换刀系统的退化过程微分方程；构建神经网络模型1，该模型通过输入振动信号和时间信息来预测剩余寿命；构建神经网络模型2，结合物理方程的响应进一步描述剩余寿命变化趋势，与神经网络模型1的预测结果进行损失函数联立；最后，通过设计综合损失函数进行模型训练，使得神经网络能够同时学习系统的物理退化规律和数据驱动的预测能力。综上，本发明具有较高的预测精度和实用性，适用于数控机床自动换刀系统的剩余寿命预测，有利于降低维护成本，确保生产过程的安全性和稳定性。
-
公开(公告)号：CN118809269A
公开(公告)日：2024-10-22
申请号：CN202411297564.6
申请日：2024-09-18
Applicant: 吉林大学 , 通用技术集团大连机床有限责任公司 , 通用技术集团机床工程研究院有限公司大连分公司
Abstract: 本发明公开了一种基于自适应频带解卷积的数控机床自动换刀系统早期故障检测方法，属于数控机床机械故障诊断技术领域，该方法首先利用自动换刀系统的振动监测信号构建基础矩阵和基础向量，并通过稀疏化滤波处理获得权重向量；接着，对基础矩阵和权重向量进行信号自适应频带解卷积；解卷积后，对所得结果进行频谱排序、分离与重构，以剔除频率中的干扰成分；最后，对重构信号进行包络谱分析，以提取故障特征。本发明可从原始振动监测数据中捕捉和增强早期故障特征，对干扰具有较强的鲁棒性，且能快速有效地描述自动换刀系统中伺服刀架动力头的早期故障行为；综上，本发明具有较高的效率和实用性，适用于实际工程中设备故障的监测与诊断。
-
-
-
Search Results
4
records
(took 0.022 seconds)
