基于改进级联变分模态分解的轴承故障诊断方法及系统

    公开(公告)号:CN114235408B

    公开(公告)日:2023-08-29

    申请号:CN202111550528.2

    申请日:2021-12-17

    Abstract: 本发明涉及一种基于改进级联变分模态分解的轴承故障诊断方法及系统,方法包括:对振动时域信号进行低通滤波处理获得低频时域信号;以所有故障模式下的总加权谐噪比为目标,将低频时域信号和振动时域信号分别输入到级联变分模态分解模型中进行分解获得分解结果;基于相邻两层对应的分解结果确定各信号对应的本征模态函数,基于各信号对应的本征模态函数确定不同故障对应的加权谐噪比;基于不同故障对应的加权谐噪比确定故障诊断结果。本发明采用级联的思想将低频时域信号和振动时域信号分别输入到级联变分模态分解模型中进行分解,对分解层数利用加权谐噪比指标进行优化,能够自适应地、准确地、快速地诊断出滚动轴承的故障类型。

    一种核动力系统故障诊断方法和系统

    公开(公告)号:CN111767657A

    公开(公告)日:2020-10-13

    申请号:CN202010654755.9

    申请日:2020-07-09

    Abstract: 本发明涉及一种核动力系统故障诊断方法和系统。该核动力系统故障诊断方法和系统,通过采用训练好的非线性支持向量机模型可以精确得到核动力系统中各子系统的故障类别,以及与故障类别相对应的故障出现概率。并通过所构建的二维故障概率矩阵中的故障出现概率确定归一化系数后,根据归一化系数确定每种故障所对应的故障概率值。然后,将降序排列后的概率值中的第一大故障概率值和第二大故障概率值间的差值与设定阈值进行比较的技术手段,得到核动力系统的故障诊断结果,使得整个核动力系统故障诊断方法和系统在提高诊断准确性的同时,提高了适应性。

    一种基于变分模态分解的动力设备异常检测方法及系统

    公开(公告)号:CN112036042B

    公开(公告)日:2022-07-26

    申请号:CN202010908120.7

    申请日:2020-09-02

    Abstract: 本发明公开了一种基于变分模态分解的动力设备异常检测方法及系统。所述基于变分模态分解的动力设备异常检测方法,包括:获取待测动力设备的运行数据;运行数据为非平稳随机数据;对待测动力设备的运行数据进行变分模态分解,得到多个待测本征模态函数;对各待测本征模态函数进行相空间重构,得到多个待测重构特征参数;计算各待测重构特征参数的排列熵和样本熵,并对待测重构特征参数的排列熵和待测重构特征参数的样本熵进行合并,得到待测特征;将待测特征输入至训练好的卷积自编码器中,得到待测动力设备的故障诊断结果。本发明能及时快速地检测出非平稳、非线性的早期微小异常,提高检测的准确性和检测效率。

    一种核动力系统故障诊断方法和系统

    公开(公告)号:CN111767657B

    公开(公告)日:2022-04-22

    申请号:CN202010654755.9

    申请日:2020-07-09

    Abstract: 本发明涉及一种核动力系统故障诊断方法和系统。该核动力系统故障诊断方法和系统,通过采用训练好的非线性支持向量机模型可以精确得到核动力系统中各子系统的故障类别,以及与故障类别相对应的故障出现概率。并通过所构建的二维故障概率矩阵中的故障出现概率确定归一化系数后,根据归一化系数确定每种故障所对应的故障概率值。然后,将降序排列后的概率值中的第一大故障概率值和第二大故障概率值间的差值与设定阈值进行比较的技术手段,得到核动力系统的故障诊断结果,使得整个核动力系统故障诊断方法和系统在提高诊断准确性的同时,提高了适应性。

    一种核动力装置故障诊断方法和系统

    公开(公告)号:CN111881627B

    公开(公告)日:2023-07-18

    申请号:CN202010776373.3

    申请日:2020-08-05

    Abstract: 本发明涉及一种核动力装置故障诊断方法和系统。所述核动力装置故障诊断方法包括:获取训练好的核动力装置故障诊断模型;采用传感器获取核动力装置中各子系统的运行数据;根据所述运行数据,采用核动力装置故障诊断模型确定所述子系统的故障类别以及与所述故障类别相对应的故障概率。本发明提供的核动力装置故障诊断方法和系统通过采用训练好的核动力装置故障诊断模型,得到的故障类别和故障概率,在提高故障诊断结果准确性、故障诊断效率的同时,确保了诊断结果的稳定性。

    一种基于核动力装置的故障诊断方法及系统

    公开(公告)号:CN111899905B

    公开(公告)日:2022-11-01

    申请号:CN202010776694.3

    申请日:2020-08-05

    Abstract: 本发明涉及一种基于核动力装置的故障诊断方法及系统。所述方法包括获取核动力装置的历史的运行数据;根据所述历史的运行数据构建卷积神经网络;采用多策略融合粒子群算法优化所述卷积神经网络,确定优化后的卷积神经网络;获取所述核动力装置的待监测的运行数据;根据所述待监测的运行数据,利用所述优化后的卷积神经网络,确定所述待监测的运行数据的诊断结果。本发明所提供的一种基于核动力装置的故障诊断方法及系统,提高核动力装置的故障诊断的效率和准确性。

    基于改进级联变分模态分解的轴承故障诊断方法及系统

    公开(公告)号:CN114235408A

    公开(公告)日:2022-03-25

    申请号:CN202111550528.2

    申请日:2021-12-17

    Abstract: 本发明涉及一种基于改进级联变分模态分解的轴承故障诊断方法及系统,方法包括:对振动时域信号进行低通滤波处理获得低频时域信号;以所有故障模式下的总加权谐噪比为目标,将低频时域信号和振动时域信号分别输入到级联变分模态分解模型中进行分解获得分解结果;基于相邻两层对应的分解结果确定各信号对应的本征模态函数,基于各信号对应的本征模态函数确定不同故障对应的加权谐噪比;基于不同故障对应的加权谐噪比确定故障诊断结果。本发明采用级联的思想将低频时域信号和振动时域信号分别输入到级联变分模态分解模型中进行分解,对分解层数利用加权谐噪比指标进行优化,能够自适应地、准确地、快速地诊断出滚动轴承的故障类型。

    一种多策略融合的核动力关键设备故障诊断方法及系统

    公开(公告)号:CN112036087A

    公开(公告)日:2020-12-04

    申请号:CN202010908792.8

    申请日:2020-09-02

    Abstract: 本发明涉及一种多策略融合的核动力关键设备故障诊断方法及系统。该方法包括获取每一个核动力关键设备的每个测点的故障数据以及故障数据的类型;对每个测点的原始故障信号进行经验模态分解,得到每个测点的原始故障信号的各阶本征模态函数分量;对各阶本征模态函数分量进行相空间重构,得到特征参数;根据特征参数,采用排列熵算法,得到排列熵特征;根据排列熵特征,采用核主元分析,确定异常检测模型;根据排列熵特征以及故障数据的类型构建故障分类模型;确定每一个核动力关键设备的每个测点的实时数据的排列熵特征;利用异常检测模型和故障分类模型实现数据的检测和故障分类。本发明提高故障诊断的准确率,并提供诊断结果的出现概率排序。

    一种基于变分模态分解的动力设备异常检测方法及系统

    公开(公告)号:CN112036042A

    公开(公告)日:2020-12-04

    申请号:CN202010908120.7

    申请日:2020-09-02

    Abstract: 本发明公开了一种基于变分模态分解的动力设备异常检测方法及系统。所述基于变分模态分解的动力设备异常检测方法,包括:获取待测动力设备的运行数据;运行数据为非平稳随机数据;对待测动力设备的运行数据进行变分模态分解,得到多个待测本征模态函数;对各待测本征模态函数进行相空间重构,得到多个待测重构特征参数;计算各待测重构特征参数的排列熵和样本熵,并对待测重构特征参数的排列熵和待测重构特征参数的样本熵进行合并,得到待测特征;将待测特征输入至训练好的卷积自编码器中,得到待测动力设备的故障诊断结果。本发明能及时快速地检测出非平稳、非线性的早期微小异常,提高检测的准确性和检测效率。

    一种基于核动力装置的故障诊断方法及系统

    公开(公告)号:CN111899905A

    公开(公告)日:2020-11-06

    申请号:CN202010776694.3

    申请日:2020-08-05

    Abstract: 本发明涉及一种基于核动力装置的故障诊断方法及系统。所述方法包括获取核动力装置的历史的运行数据;根据所述历史的运行数据构建卷积神经网络;采用多策略融合粒子群算法优化所述卷积神经网络,确定优化后的卷积神经网络;获取所述核动力装置的待监测的运行数据;根据所述待监测的运行数据,利用所述优化后的卷积神经网络,确定所述待监测的运行数据的诊断结果。本发明所提供的一种基于核动力装置的故障诊断方法及系统,提高核动力装置的故障诊断的效率和准确性。

Patent Agency Ranking