-
公开(公告)号：CN119915517A
公开(公告)日：2025-05-02
申请号：CN202510056248.8
申请日：2025-01-14
IPC: G01M13/045 , G06F18/2131 , G06F18/24 , G06F17/14 , G06F123/02
Abstract: 本发明公开了一种轴承复合故障诊断方法及系统，首先获取轴承复合故障振动观测信号；然后对观测信号进行短时傅里叶变换并倒谱阈值处理、二维时频掩蔽盲源分离，对得到的时频域分离信号进行逆短时傅里叶变换并带通滤波，得到独立的时域估计信号；接着对估计信号进行希尔伯特包络解调和傅里叶变换，得到滤波信号的包络谱；最后搜索得到目标故障的各阶特征频带，构造出一种谐波能量冲击指标#imgabs0#，并计算冲击脉冲值；将计算得到的冲击脉冲值与阈值进行比较，诊断轴承是否有目标类型故障。
-
公开(公告)号：CN119714893A
公开(公告)日：2025-03-28
申请号：CN202411789938.6
申请日：2024-12-06
IPC: G01M13/045 , G06F18/241 , G06F18/214 , G06F18/213
Abstract: 本发明涉及一种用于轴承故障诊断的方法、电子设备及介质，包括：对轴承不同故障和健康状态下的振动信号进行采集，进行多重采样和标注得到带标签和无标签的数据集，将采集到的振动信号分为训练集和测试集，训练集包括带标签和无标签数据，测试集只有无标签数据。构建K临近图和基于边缘自监督图注意力网络的特征提取网络，将训练集依次输入到边缘自监督图注意力网络层和全链接层中，并计算自监督损失和标签分类器损失，梯度回传更新网络参数；将不带标签的滚动轴承测试样本输入到训练好的模型中，于多核函数图构建与边缘自监督图注意力网络进行高精度的故障诊断，该方案解决了在极低标记率下，样本的特征挖掘不足，故障诊断精度不高的问题。
-
公开(公告)号：CN119202794A
公开(公告)日：2024-12-27
申请号：CN202411307816.9
申请日：2024-09-19
Applicant: 中南大学
IPC: G06F18/24 , G06F18/15 , G06F18/214 , G06N3/096 , G06N3/045 , G06N3/0475 , G06N3/094 , G01M13/045
Abstract: 本发明提供了一种基于扩散模型的时变工况迁移学习轴承故障诊断方法，包括：获取轴承的原始故障振动信号并进行预处理，获得二维时频谱图像；构建去噪扩散模型，使去噪扩散模型学习稳定工况的二维时频谱图像的图像特征；通过二维时频谱图像的Repaint方法，基于时变工况的振动信号构建稳定工况下完整的轴承故障数据集；利用扩充的轴承故障数据集和领域泛化方法进行轴承故障诊断。本发明解决了领域泛化轴承故障诊断数据分布不一致导致的轴承故障诊断准确率低的问题，提升了轴承故障诊断的准确率，更加适应不同轴承应用场景的轴承故障诊断。
-
公开(公告)号：CN115436052B
公开(公告)日：2024-06-14
申请号：CN202211064326.1
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种转频自动搜索方法、系统、设备及存储介质，获取齿轮真实转频所处的频率范围，以及真实转频的各阶高次谐波的频率范围；获取齿轮的振动信号，构建振动信号的幅频特性曲线，在幅频特性曲线中真实转频及其各阶高次谐波的频率范围内作上包络曲线；提取包络曲线中的峰值频率，与真实转频及其各阶高次谐波的频率范围对比，取频率范围内的峰值频率，记录为转频或高次谐波；利用所提取得多个转频或高次谐波，对预估转频进行推断；根据推断的转频，结合传动关系，计算齿轮啮合频率所处的频率范围，并提取啮合频率作为佐证啮合频率；通过佐证啮合频率推断出转频结果，作为搜索得精准转频。实现了转频成分的准确识别。
-
Patent Agency Ranking
公开(公告)号：CN115420498B
公开(公告)日：2024-06-14
申请号：CN202211064515.9
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028 , G06F18/2131 , G06F18/24 , G06F18/10
Abstract: 本发明属于齿轮箱故障诊断技术领域，涉及一种基于波峰计数的齿轮故障量化诊断方法，包括如下步骤：通过对目标的各类齿轮箱振动信号进行信号处理，获得预设频段范围的振动信号频域图像；根据各齿轮箱对应的振动信号频域图像幅值大小初步设定初始阈值，计算振动信号频域图像上通过该初始阈值的波峰数；之后对比各组信号在频域图像上通过该阈值的波峰数量，根据比较结果确定或修正阈值，最终确定合适的阈值范围，并计算得到各组信号通过合适范围阈值的波峰数量；最后对合适阈值范围内计得各组信号通过阈值的波峰数量进行分析，确定各信号对应齿轮箱的具体故障类型。不需要大量的学习样本，且能够对各种齿轮系统故障类型做出精确诊断区分。
-
公开(公告)号：CN116136441A
公开(公告)日：2023-05-19
申请号：CN202310158491.1
申请日：2023-02-23
Applicant: 中南大学
IPC: G01L5/24 , G06F18/213 , G06F17/14
Abstract: 本发明公开了一种基于非线性Lamb波的螺栓早期松动预紧状态监测方法、系统及装置，包括：采集螺栓全寿命预紧状态下的Lamb波信号，并对采集的Lamb波信号进行相位反转信号处理得到相位反转信号，增强非线性波对微损伤的敏感性；基于采集的Lamb波信号频谱的基波幅值和相位反转信号频谱的二次谐波幅值，获取相位反转相对非线性系数；通过相位反转相对非线性系数，获取螺栓早期松动临界点，克服了线性指标对早期松动不敏感的缺点，实现早期松动临界点的识别，在确定松动早期阶段后，基于典型相关森林算法建立了融合非线性损伤指标的定量监测模型对预紧状态进行定量评价；本发明通过获取完全螺栓松动时出现峰值，提高了对螺栓状态监测的准确性。
-
公开(公告)号：CN115855483A
公开(公告)日：2023-03-28
申请号：CN202211058455.X
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028 , G06F18/213 , G06F18/24 , G06F18/2433
Abstract: 本发明涉及齿轮故障诊断领域，公开一种齿轮箱故障自动诊断方法，包括以下步骤：计算齿轮轴的转频和齿轮箱啮合对的啮合频率；对各类齿轮箱系统的振动信号进行信号处理，获得振动信号的频谱图；振动信号的频谱图中包括啮合频率及边频；以啮合频率的左侧和右侧的一阶转频的边频，及啮合频率的左侧和右侧的二阶转频的边频，作为故障特征频率，采用构建的故障特征频率识别方法，对故障特征频率分别进行识别，判定该故障特征频率处是否存在故障成分，得到故障特征频率与故障类型的对应关系；构建自动诊断模型，对实际测量得到的各类齿轮箱系统的振动信号进行分析，做出故障诊断结果。解决了现有技术缺乏应对复杂多变工况的便捷、自动化诊断技术的问题。
-
公开(公告)号：CN115420498A
公开(公告)日：2022-12-02
申请号：CN202211064515.9
申请日：2022-08-31
Applicant: 中南大学
IPC: G01M13/021 , G01M13/028 , G06K9/00
Abstract: 本发明属于齿轮箱故障诊断技术领域，涉及一种基于波峰计数的齿轮故障量化诊断方法，包括如下步骤：通过对目标的各类齿轮箱振动信号进行信号处理，获得预设频段范围的振动信号频域图像；根据各齿轮箱对应的振动信号频域图像幅值大小初步设定初始阈值，计算振动信号频域图像上通过该初始阈值的波峰数；之后对比各组信号在频域图像上通过该阈值的波峰数量，根据比较结果确定或修正阈值，最终确定合适的阈值范围，并计算得到各组信号通过合适范围阈值的波峰数量；最后对合适阈值范围内计得各组信号通过阈值的波峰数量进行分析，确定各信号对应齿轮箱的具体故障类型。不需要大量的学习样本，且能够对各种齿轮系统故障类型做出精确诊断区分。
-
公开(公告)号：CN114136565B
公开(公告)日：2022-08-09
申请号：CN202111230641.2
申请日：2021-10-22
Applicant: 中南大学
Abstract: 本发明公开了一种多振源系统的故障诊断系统及方法，涉及机械故障诊断技术领域。本发明针对多振源系统中的复合振动信号，使用盲源分离方法实现复合振动信号的分离，获取独立振源的振动信号，生成正常状态下分离信号数据集。使用该分离信号数据集训练对抗式生成网络，通过判别网络对的独立振源的振动信号进行辨识，判断该独立振源是否处于异常状态，从而实现无样本下故障源的定位和达到对故障的定位和异常预警功能。该方法适用性强，能够在缺少故障样本的情况下，充分利用不同独立振源的正常稳定状态工作振动信号训练模型，并在故障发生时进行及时的定位和异常预警。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
