-
公开(公告)号：CN107607628A
公开(公告)日：2018-01-19
申请号：CN201710684976.9
申请日：2017-08-11
Applicant: 西安交通大学
IPC: G01N29/44
Abstract: 本发明公开了一种基于稀疏表示的超声导波频散补偿方法及其应用，属于超声技术领域。本发明所述方法包括：(1)根据结构中的超声导波的频散特征先验信息生成不同传播距离下的频散响应信号；(2)组建频散传播字典；(3)以所述频散传播字典为信号基对频散待补偿信号进行稀疏表示，建立稀疏表示模型并求解，得到待补偿信号在所构造的信号基下的稀疏表示系数；(4)对原始波数进行非频散处理，生成非频散响应信号，并组建非频散传播字典；(5)利用所得稀疏表示系数与非频散传播字典，对原频散信号进行非频散重构。本发明对单模态及多模态超声导波均能有效实现频散补偿，波包畸变小，可提高超声导波信号的时域聚集度。
-
公开(公告)号：CN104568968B
公开(公告)日：2016-04-06
申请号：CN201510016616.2
申请日：2015-01-13
Applicant: 西安交通大学
IPC: G01N21/88
Abstract: 本发明公开了一种风力发电机叶片在位裂纹检测方法及系统。本发明利用光纤光栅传感器获得风力发电机叶片加载不同载荷情况状态下的静态响应。计算加载不同静态载荷时风力发电机叶片静态响应之间的卡方分布曲线，对卡方分布曲线进行多项式重构，获得重构曲线；将获得的卡方分布重构曲线看作不同的信息源，使用重构最优累积理论对其进行信息融合，获得其信息融合度曲线，依据信息融合度曲线最大值的位置识别风力发电机叶片裂纹的位置。本发明只需要不同静态载荷时风力发电机叶片的静态响应，不需要风力发电机叶片完好状态时的任何数据，运算快速准确，简单可行，可用于风力发电机叶片的实时健康监测。
-
公开(公告)号：CN104730152A
公开(公告)日：2015-06-24
申请号：CN201510174690.7
申请日：2015-04-13
Applicant: 西安交通大学
IPC: G01N29/44
Abstract: 本发明公开了一种基于分形维数的复合材料结构件裂纹损伤监测方法，其特征在于，所述方法通过分别获得基准状态和损伤状态的复合材料结构件上形成的相同数目的多个正弦窄带Lamb波信号的分形维数，对获得的分形维数利用概率重构方法获得多张损伤概率子层析谱图；通过对多张所述损伤概率子层析谱图进行叠加得到全层析谱图，从所述全层析谱图中能够得到所述复合材料结构件裂纹损伤的区域范围；所述基准状态为复合材料结构件上没有受到损伤的状态。本方法能有效实现复合材料结构件损伤监测，损伤监测指标敏感、精度高，具有较好的工程应用价值。
-
公开(公告)号：CN117232793A
公开(公告)日：2023-12-15
申请号：CN202211690519.8
申请日：2022-12-27
Applicant: 西安交通大学
IPC: G01M13/00 , G01M13/045 , G01M13/021 , G01M13/028 , G06F17/10
Abstract: 公开了一种基于自适应带宽稀疏时域同步平均的机械故障诊断方法，方法中，已知传感器的精度信息，用传感器采集机械振动以及转速信号，并进行模/数转换，利用已知的机械部件信息，得到自适应带宽加权向量w1，并计算衡量波动程度的指标IADSTSA。然后判断转速波动是否正常：若不满足要求，须对振动信号进行阶次分析并构造自适应带宽加权向量。第三，判断传感器的精度：若传感器精度低，须使用高精度转速估计方法修正，并重新构造自适应带宽加权向量。最后，构造稀疏时域同步平均模型F，利用迭代优化求解算法对模型求解得到稀疏频域信息x和重构时域信息最后使用包络谱分析并借助指标CIADSTSA辅助分析进行齿轮、转子以及轴承等机械故障诊断。
-
公开(公告)号：CN108195587B
公开(公告)日：2023-08-25
申请号：CN201810178090.1
申请日：2018-03-05
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 公开了一种电机滚动轴承故障诊断方法及其诊断系统，电机滚动轴承故障诊断方法包括径向X、前向Y、垂向Z三个方向的三维坐标系，在电机滚动轴承附近布置三向加速度传感器以获得三向振动信号，布置转速传感器和电流计以获取滚动轴承的转速脉冲信号和测量电机定子的电流信号，设置判断电流平稳度的最大允许偏差σI，设置判断转速平稳度的最大允许偏差σV，在T时间段内，通过预定条件截取转速及电流平稳工况下的振动数据；提取判定有效的T时间段内的三向振动数据Acc，分别计算三向振动数据的标准差以及分别计算三个方向复合时域指标；测试获得阈值表，获得的三个方向的复合时域指标与所述阈值表进行比对得出故障程度并进行报警。
-
Patent Agency Ranking
公开(公告)号：CN116450997A
公开(公告)日：2023-07-18
申请号：CN202310363811.7
申请日：2023-04-06
Applicant: 西安交通大学
IPC: G06F17/14 , G06F17/16 , G06F18/213 , G06F18/24
Abstract: 本公开揭示了一种非冗余的信号欠采样及频谱恢复方法，包括如下步骤：S100：通过两路采样频率相同的均匀欠采样器对信号采样，获得欠采样样本数据；S200：基于欠采样样本数据计算自相关估计，以获得自相关估计样本，基于自相关估计样本计算多重相关估计，以获得均匀等间隔的多重相关估计样本；S300：对多重相关估计样本进行傅里叶变换得到多重相关频谱；S400：将多重相关频谱转换为信号的频谱；S500：基于多重相关估计样本计算多重相关矩阵；S600：将多重相关矩阵取代子空间类方法中的自相关矩阵，计算超分辨率的伪频谱。
-
公开(公告)号：CN116050237A
公开(公告)日：2023-05-02
申请号：CN202211206716.8
申请日：2022-09-29
Applicant: 西安交通大学
IPC: G06F30/27 , G06N3/044 , G06N3/0464 , G06N3/08 , G01M15/00 , G01H17/00 , G06F119/10
Abstract: 公开了基于残差神经网络的叶片固有频率辨识方法，方法中，基于叶片振动确定叶端定时信号的频率识别范围，并将频率识别范围划分为多个等宽度的频带，同时将连续的频带离散化得到多个随机频率成分；基于随机频率成分生成与待识别信号具有相同传感器排布方式的仿真叶端定时信号；基于仿真叶端定时信号计算其自相关矩阵并重构为三维张量，以三维张量作为输入及其对应的频率成分作为标签，生成数据集；构建残差神经网络模型；利用不同频带的多组数据集分别训练多个神经网络模型作为多个不同频带下的频率估计模型；在时域分割实测的叶端定时数据并计算其自相关矩阵，将自相关矩阵构成的张量分别输入多个训练好的频率估计模型，最终得到频率估计结果。
-
公开(公告)号：CN113255220B
公开(公告)日：2022-12-06
申请号：CN202110605998.8
申请日：2021-05-31
Applicant: 西安交通大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , F04C2/14 , F04B51/00 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本公开揭示了一种基于数字孪生的齿轮泵维护方法，方法包括：测量并实时接收齿轮泵工况参数，基于工况参数计算齿轮泵容积效率和极限转速以评定齿轮泵的运行状态并对失效作出预估，计算齿轮泵的主、从动齿轮的中心位置和摩擦副磨损量，齿轮泵内流场中，基于集中参数法建立齿轮泵压力脉动模型，建立齿轮泵的数字孪生模型，以齿轮泵出口压力脉动为预测维护模型的监测信号。
-
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：CN113533529B
公开(公告)日：2022-10-28
申请号：CN202110708302.4
申请日：2021-06-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种单个或均布叶端定时传感器提取叶片间固有频率差值方法，方法中，利用单个叶端定时传感器或均布的叶端定时传感器获取旋转叶片的实际达到时间，并根据旋转叶片的转速和叶片长度，理论到达时间和实际达到时间之差转换为叶端的位移数据；选择同转速下且相同叶片长度的两个旋转叶片的叶端的位移数据；截取位移数据并分别离散傅里叶变换，采样频率近似为平均转速以得到频谱数据；从频谱数据中分别提取两个叶片固有频率混叠后对应的频率余数，将两个频率余数作差得到两个叶片间的固有频率差。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.025 seconds)
