-
公开(公告)号：CN117232823A
公开(公告)日：2023-12-15
申请号：CN202211680843.1
申请日：2022-12-26
Applicant: 西安交通大学
IPC: G01M13/021 , G06F18/213 , G01M13/028
Abstract: 本公开揭示了一种基于编码器传递误差信号的传动系统齿轮箱故障诊断方法，包括：采集传动系统行星齿轮箱输入轴编码器信号与输出轴编码器信号；根据采集得到的编码器信号计算原始传递误差信号TE(t)，并对信号进行去计数趋势与零均值化，得到信号TE1(t)；对信号TE1(t)进行变分模态分解，提取代表转速波动趋势项的低频本征模态分量，使用TE1(t)减去转速波动趋势项，得到解耦转速波动后的去趋势传递误差信号TE2(t)；根据时标信号对去趋势传递误差信号TE2(t)进行时域同步平均分析，得到时域同步平均信号，然后对其进行FFT频谱分析，当故障状态的啮频和边频的幅值比正常状态均要大的时候，可以判定存在故障。
-
公开(公告)号：CN113221282B
公开(公告)日：2022-12-06
申请号：CN202110543141.8
申请日：2021-05-19
Applicant: 西安交通大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04 , G06F119/08 , G06F113/08 , G06F119/14
Abstract: 公开了一种基于贝叶斯残差卷积网络的航空发动机寿命预测方法，方法中，基于多路传感器监测航空发动机状态得到多路的传感器数据以构造输入矩阵；通过数据分布直方图选择传感器数据，并进行数据标准化预处理；构建深度残差卷积网络，深度残差卷积网络包括卷积层、重复堆叠的残差模块和全连接层，基于变分贝叶斯推断将卷积层、重复堆叠的残差模块和全连接层中的参数分布化，获得贝叶斯深度网络；通过重参数方法，对贝叶斯深度网络进行端到端优化，实现模型的不确定性估计；从贝叶斯网络参数的分布中多次前向采样计算，获得航空发动机寿命预测区间。
-
公开(公告)号：CN120086760A
公开(公告)日：2025-06-03
申请号：CN202510096915.5
申请日：2025-01-22
Applicant: 西安交通大学
IPC: G06F18/2433 , G01M13/028 , G01H17/00 , G06N3/0455 , G06N3/09 , G06N3/0895
Abstract: 一种传动系统异常检测方法、系统、介质及设备，方法中，利用振动传感器采集传动系统在不同运行工况下的振动信号；将振动信号输入自编码器中进行重构；以工况信息为标签，将监督对比学习引入自编码器架构；以测试样本与训练样本中心之间的距离作为异常检测分数来指示样本是否异常；通过核密度估计自适应地得到样本的异常检测分数的概率密度分布，采用5%分位数作为阈值，实现传动系统的异常检测。
-
公开(公告)号：CN120063714A
公开(公告)日：2025-05-30
申请号：CN202510096909.X
申请日：2025-01-22
Applicant: 西安交通大学
IPC: G01M13/021 , G01M13/028 , G01D21/02 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 一种传动系统故障诊断方法、系统、介质及设备，方法中，采集传动系统在时变转速与时变载荷的齿轮故障时的多传感器信号；构建多传感网络时变图数据集，划分训练集与测试集；将训练集数据输入到谱图小波包卷积神经网络中训练，实现故障分类；使用测试集数据对训练好的谱图小波包卷积神经网络进行测试，将测试表现最好的谱图小波包卷积神经网络保存以用于传动系统故障诊断。
-
公开(公告)号：CN120063477A
公开(公告)日：2025-05-30
申请号：CN202510096930.X
申请日：2025-01-22
Applicant: 西安交通大学
IPC: G01H17/00 , G06F18/2131 , G06N3/0442
Abstract: 本发明公开了一种基于小波包分解和长短时记忆网络的传感器故障检测方法，包括：使用传感器采集机械传动系统的振动信号；将所述振动信号利用滑动窗口设置样本和对应标签；对所述样本进行小波包分解，形成多尺度输入并构造数据集；构建预测模型，利用所述数据集及所述标签进行训练；将测试样本输入到训练好的模型预测未来信号，并与真实测量值进行对比，进而判断传感器工作状态。本发明无需依赖故障数据进行模型训练，能够避免因传感器故障引发的诊断系统误判，提高了设备运行效率和故障检测的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115687903A
公开(公告)日：2023-02-03
申请号：CN202211342022.7
申请日：2022-10-28
Applicant: 西安交通大学
IPC: G06F18/213 , G06F18/10 , G06F18/2415 , G06N3/048 , G06N3/045 , G06N3/047 , G06N3/08 , G01M13/021 , G01M13/028 , G06F123/00
Abstract: 本公开揭示了一种基于小波去噪网络的航空发动机锥齿轮故障诊断方法，包括如下步骤：S100：采集待测航空发动机锥齿轮振动信号并进行分段；S200：构建故障诊断模型并进行训练；S300：基于训练好的故障诊断模型对分段后的振动信号进行检测，并输出振动信号的不同故障类别的概率，其中，概率最大值即为锥齿轮的实际故障。本公开充分考虑了信号处理技术与深度学习网络用于故障诊断的优缺点，通过引入小波变换、置零去噪、不同尺度小波系数选择技术，将信号处理与深度学习网络的数据驱动能力有机结合，提高了故障诊断技术的抗噪性、诊断准确率及诊断稳定性。
-
公开(公告)号：CN117235489A
公开(公告)日：2023-12-15
申请号：CN202211679369.0
申请日：2022-12-26
Applicant: 西安交通大学
IPC: G06F18/213 , G06F18/24 , G06F18/25 , G06F18/21 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/082
Abstract: 公开了一种传动系统多源监测数据的图变分自编码特征提取方法，包括：使用多个传感器采集故障模拟实验系统的信号，分别采集正常信号与故障信号；使用得到的数据根据多传感器网络图数据构造方法构造多传感图信号，并划分训练集和测试集；将训练集数据输入到图注意力变分自编码模型中进行训练，对多模态异构图信号进行特征提取与编码，获取图信号的低维嵌入融合特征表示；继续将所提取的图信号的低维嵌入融合特征输入到全局平均池化层中进行图读出操作，进而将图读出特征输入到全连接层分类器，与图注意力变分自编码模型编码器部分协同训练与分类，并通过测试集进行测试，将测试准确率最高的模型保存为最优的多源数据融合与故障特征提取模型。
-
公开(公告)号：CN117235437A
公开(公告)日：2023-12-15
申请号：CN202211680845.0
申请日：2022-12-26
Applicant: 西安交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G01M13/028
Abstract: 本发明涉及一种基于卷积网络结合自注意力机制的传感器故障识别方法，方法包括以下步骤：使用振动传感器采集传动系统的信号，应用经验模式分解(Empirical mode decomposition，EMD)提取内涵模态分量(Intrinsic Mode Functions，IMF)构造输入矩阵；将输入矩阵输入到四层卷积神经网络CNN，提取信号的空间特征；再将提取到的特征输入到自注意力模块中，对空间特征进行全局关系建模，捕捉特征的长时间依赖性；最后将振动信号的时空特征输入到线性分类器中进行分类，可以准确快速地检测出传感器故障。该模型可避免由于传感器故障导致的诊断系统故障误判，提高设备的运转效率。
-
公开(公告)号：CN113221282A
公开(公告)日：2021-08-06
申请号：CN202110543141.8
申请日：2021-05-19
Applicant: 西安交通大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04 , G06F119/08 , G06F113/08 , G06F119/14
Abstract: 公开了一种基于贝叶斯残差卷积网络的航空发动机寿命预测方法，方法中，基于多路传感器监测航空发动机状态得到多路的传感器数据以构造输入矩阵；通过数据分布直方图选择传感器数据，并进行数据标准化预处理；构建深度残差卷积网络，深度残差卷积网络包括卷积层、重复堆叠的残差模块和全连接层，基于变分贝叶斯推断将卷积层、重复堆叠的残差模块和全连接层中的参数分布化，获得贝叶斯深度网络；通过重参数方法，对贝叶斯深度网络进行端到端优化，实现模型的不确定性估计；从贝叶斯网络参数的分布中多次前向采样计算，获得航空发动机寿命预测区间。
-
公开(公告)号：CN120086761A
公开(公告)日：2025-06-03
申请号：CN202510096926.3
申请日：2025-01-22
Applicant: 西安交通大学
IPC: G06F18/2433 , G01D18/00 , G06F18/2131 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 一种传感器解析余度构建方法、系统、介质及设备，方法中，采集系统正常运行时在不同振动传感器故障下的信号；基于系统中的传感器采集的信号构建多传感网络图数据集；所述多传感网络图数据集输入融合图小波掩码自编码器构建解析余度，所述融合图小波掩码自编码由编码器与解码器构成，其中编码器由两层融合图小波卷积层构成，解码器由两层全连接层构成；基于解析余度与原始特征信息的均方误差损失构建传感异常检测指标；使用传感异常检测指标对多传感网络图数据集进行异常检测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
