-
公开(公告)号：CN113343481B
公开(公告)日：2023-04-07
申请号：CN202110714899.3
申请日：2021-06-25
Applicant: 西安交通大学
IPC: G06F30/20 , G01M13/021 , G01M13/028
Abstract: 本发明公开了一种考虑啮合冲击的行星轮系振动仿真信号生成方法、装置、设备和介质，通过势能法及相位差计算生成行星轮系各啮合副的时变啮合刚度，从时变啮合刚度激励产生啮合振动信号的角度出发，由因到果，通过对时变啮合刚度零相移低通滤波生成谐波信号，峰值滤波生成啮合冲击信号。将生成的各啮合副信号对应叠加，并添加路径调制函数，得到传感器采集到的各行星轮的啮合振动信号。将各行星轮啮合振动信号叠加，添加一定噪声，从而得到整个行星轮系振动的仿真信号。本发明完全符合啮合振动信号产生的物理过程，具有物理意义。
-
公开(公告)号：CN111037987B
公开(公告)日：2022-03-01
申请号：CN201911385195.5
申请日：2019-12-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于大型机械压力机多连杆状态监测信号处理方法，将采集到的信号进行数据分析，以判断机械压力机多连杆机构的润滑状态。其中将信号整周期截取，并通过动态时间规整计算相似度判断模具更换时间，再结合各模具包含的冲压过程判断当前模具，根据换向冲击的曲柄转角判断轴瓦磨损量；截取非冲压阶段信号进行小波包分解，取油膜固有频率段信号进行正交匹配得到脉动油压信号，依据连杆销受力归一化截取信号段内脉冲信号峰值，根据归一化后的匹配油压脉冲信号判断供油状态。相较于监测分配器柱塞动作次数，实现了对多连杆的运行状态的监测诊断，弥补了现阶段的监测盲点。
-
公开(公告)号：CN110632512B
公开(公告)日：2021-01-19
申请号：CN201910740782.5
申请日：2019-08-12
Applicant: 西安交通大学
IPC: G01R31/34
Abstract: 本发明公开了一种基于漏磁和振动信号的感应电机监测方法及装置，包括振动信号传感器、漏磁传感器和计算单元，所述振动信号传感器和漏磁传感器的输出端均与计算单元的输入端连接，所述漏磁传感器用于采集电机的轴线、径向以及切向的漏磁信号，振动信号传感器用于采集感应电机机壳的振动信号，所述计算单元用于对漏磁和振动信号进行信号处理，得到电机的转速nr、转差率s、实际转矩T以及供电频率fs。解决了现有监测技术中存在的成本高、部署困难等问题，为中小型感应电机提供合适的状态监测方案。
-
公开(公告)号：CN111917634A
公开(公告)日：2020-11-10
申请号：CN202010627825.1
申请日：2020-07-02
Applicant: 西安交通大学
Abstract: 本发明基于PMML的工业网关机器学习模型容器式部署系统及方法，将云端训练的机器学习模型导出成PMML格式，并通过报文下发到工业网关，工业网关根据机器学习模型的用途和绑定的设备测点动态创建机器学习模型控制对象，控制机器学习模型的预测分析过程。工业网关的每一次设备数据采集触发相应用于预警的机器学习模型的预测分析，一旦推理出设备异常，则将预警信息推送到工业现场和云端，并触发同一测点下用于故障诊断的机器学习模型，然后将推理的故障诊断结果推送到工业现场和云端。相较于在云端进行数据预测分析的状态监测模式，实现在网关对数据进行预测分析，减少大量数据上传造成的带宽压力以及信息在云端和工业现场的传输延时，保证信息的实时性。
-
公开(公告)号：CN108827458A
公开(公告)日：2018-11-16
申请号：CN201810623339.5
申请日：2018-06-15
Applicant: 西安交通大学
IPC: G01H17/00
Abstract: 本发明公开了一种风力发电机叶片固有频率在线识别方法，包括以下步骤：1)采集并存储叶片挥舞方向及摆振方向的叶片振动信号；2)选取待分析信号；3)得经带通滤波及降采样的时域信号；4)对时域信号进行叶片固有频率的分析计算，得当前系统阶次下的叶片固有频率；5)判断当前系统统阶次是否超过设定的最大系统阶次，当当前系统统阶次小于设定的最大系统阶次时，则给当前系统阶次加2，然后转至步骤4)，当系统阶次大于等于设定的最大系统阶次时，则转至步骤6)；6)对原始系统阶次至最大系统阶次下计算得到的所有叶片固定频率进行自动提取，以获得叶片的真实固定频率，该方法能够在线实时识别风力发电机叶片的固有频率。
-
Patent Agency Ranking
公开(公告)号：CN103712792B
公开(公告)日：2016-01-20
申请号：CN201310694994.7
申请日：2013-12-16
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 本发明公开了一种针对风电齿轮箱的故障诊断方法，包括以下步骤：采集风电齿轮箱运行时的振动信号和转速脉冲信号，并获取其对应的发电机输出功率；对采集的振动信号和转速脉冲信号进行阶次谱分析，得到啮合振动能量；通过最小二乘法拟合啮合振动能量与其对应的发电机输出功率，得到啮合振动能量随发电机输出功率变化的曲线；利用该曲线对实时采集的振动信号和转速脉冲信号经过阶次谱分析后得到的实时啮合振动能量进行均值归一化处理，得到归一化后的实时啮合振动能量，通过分析归一化后的实时啮合振动能量，实现对风电齿轮箱的故障诊断。本发明削弱了风电齿轮箱载荷变化对其振动信号的影响，提高了故障诊断的可靠性。
-
公开(公告)号：CN103712792A
公开(公告)日：2014-04-09
申请号：CN201310694994.7
申请日：2013-12-16
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 本发明公开了一种针对风电齿轮箱的故障诊断方法，包括以下步骤：采集风电齿轮箱运行时的振动信号和转速脉冲信号，并获取其对应的发电机输出功率；对采集的振动信号和转速脉冲信号进行阶次谱分析，得到啮合振动能量；通过最小二乘法拟合啮合振动能量与其对应的发电机输出功率，得到啮合振动能量随发电机输出功率变化的曲线；利用该曲线对实时采集的振动信号和转速脉冲信号经过阶次谱分析后得到的实时啮合振动能量进行均值归一化处理，得到归一化后的实时啮合振动能量，通过分析归一化后的实时啮合振动能量，实现对风电齿轮箱的故障诊断。本发明削弱了风电齿轮箱载荷变化对其振动信号的影响，提高了故障诊断的可靠性。
-
公开(公告)号：CN103698699A
公开(公告)日：2014-04-02
申请号：CN201310659828.3
申请日：2013-12-06
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于模型的异步电动机故障监测诊断方法，其首先采集能够正常运行的异步电动机的三相输入电压信号和三相输出电流信号，建立起数学模型，作为无故障模型；将无故障模型和在相同的输入电压u驱动下并行运行，得到即残差信号d；然后其进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值dRMS是否超过阈值η来判断故障是否发生；再对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量fF来确定故障类型。本发明可以有效地削弱输入电压对电机故障监测诊断造成的不利影响，提高故障信号的信噪比，从而提高电机故障监测的灵敏度和故障诊断的可靠性。
-
公开(公告)号：CN102928003A
公开(公告)日：2013-02-13
申请号：CN201210429005.7
申请日：2012-10-31
Applicant: 西安交通大学
IPC: G01D5/26
Abstract: 本发明公开了一种具有实时参考的光纤光栅解调系统，由光路部分、电路部分、上位机和软件程序组成，在基于Fabry-Perot可调谐滤波解调法的原始解调系统基础上，通过耦合器和隔离器并联一路具有精密Fabry-Perot腔的参考光路，通过参考光路的测量值可实时校准测量光路的测得结果，以提高解调的精度，两路光电信号由底层硬件电路采集、编码后传输到上位机，在上位机上采用高斯拟合算法提取峰值位置，利用参考光路的标准值对测量光路实时参考，该方法有效的解决了Fabry-Perot可调谐滤波器的时漂、温漂和迟滞等原理性误差所导致解调精度劣化问题，为光纤光栅解调系统的构建提供了一种新的探索方向。
-
公开(公告)号：CN1209724C
公开(公告)日：2005-07-06
申请号：CN03134227.2
申请日：2003-08-04
Applicant: 西安交通大学
IPC: G06F17/18
Abstract: 本发明公开了一种基于概率模型的设备状态动态自适应报警方法，基于设备运行的动态数据，使用概率神经网络自学习构建设备状态的概率模型。该模型随设备运行调整其分布概型，动态描述设备状态的变化规律。依托模型，研究设备状态的动态评判规则；同时构建不同状态间的阈值，形成设备运行的自适应报警线。本发明撇开传统的按照各种通用标准对现场设备运行状态的划分依据，从设备各自的发展历程来寻找规律，为每台设备、每个测点、乃至每个监测量都可以建立起状态等级评判依据，明确地将现场常规设备状态划分为三个等级：即正常状态、故障状态、和快速劣化状态，并为每种状态确定了现场中所应采取的措施，为综合评判设备状态奠定了基础。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.025 seconds)
