公开(公告)号：CN113533962B

公开(公告)日：2022-08-12

申请号：CN202110861756.5

申请日：2021-07-29

Applicant: 上海交通大学

Inventor： 刘成良 ,  陶智宇 ,  肖登宇 ,  夏鹏程 ,  黄亦翔

IPC: G01R31/34 ,  G01D21/02 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于多物理信号传感器决策融合的感应电机健康故障诊断系统，包括：传感器模块、数据采集模块、故障诊断模块和决策融合模块，数据采集模块通过传感器模块采集感应电机的定子电流模拟信号、振动模拟信号、磁漏模拟信号和声音模拟信号，经模数处理后输出至故障诊断模块，故障诊断模块对数字信号进行数据预处理后使用平行的去噪神经网络分别从定子电流、振动、磁漏和声音角度进行故障诊断得到对应的健康状态类别概率分布，决策融合模块根据记忆化可信度和健康状态类别概率分布，基于D‑S证据理论和记忆化可信度的决策算法计算出最终诊断结果。本发明采用平行的去噪神经网络对各个物理信号分别进行故障诊断，得到电机所有健康状态的各个概率，通过基于记忆化可信度的决策融合得到最终的诊断结果。

公开(公告)号：CN112372371A

公开(公告)日：2021-02-19

申请号：CN202011076025.1

申请日：2020-10-10

Applicant: 上海交通大学

Inventor： 黄亦翔 ,  李鹏 ,  夏鹏程 ,  刘成良

IPC: B23Q17/00

Abstract: 一种数控机床刀具磨损状态评估方法，通过采集数控机床加工过程中的主轴电流信号和振动信号，使用时域分析、频域分析和小波包分解提取特征后，利用主成分分析进行特征降维，并使用多种集成学习算法训练预测；最后使用压缩因子粒子群优化算法获取各集成学习算法的最优权重来构建多决策刀具磨损评估模型，对刀具磨损状态进行评估；本发明以主成分分析和集成学习算法为基础，使用改进粒子群优化算法CFPSO构建多决策刀具磨损评估模型，该方法受加工时工况参数的影响小，具有良好的通用性和准确性。