公开(公告)号：CN106446320B

公开(公告)日：2019-09-27

申请号：CN201610538773.4

申请日：2016-07-08

Applicant: 燕山大学

Inventor： 韩东颖 ,  魏世民 ,  时培明 ,  魏庆 ,  王斌 ,  高凯

IPC: G06F17/50

Abstract: 本发明公开了一种基于IMF瞬时能量曲率差值的井架钢结构损伤识别方法，包括以下步骤：对井架钢结构进行模态分析确定其低阶振动模态，对井架钢结构进行瞬态动力学分析提取其不同部位的振动响应；利用带通滤波方法提取井架钢结构不同部位的低阶振动信号，对其进行EMD分解选取主要的IMF分量，采用中央差分法计算IMF瞬时能量曲率；将井架钢结构损伤前后IMF瞬时能量曲率差值作为损伤敏感性指标，从而实现井架钢结构损伤位置及程度的识别与分析。本发明仅利用井架钢结构的低阶振动信息，即可实现损伤位置的识别，且识别准确率高，解决了大型复杂钢结构高阶振动信息难获取从而无法准确识别损伤的问题。

公开(公告)号：CN104281775B

公开(公告)日：2017-08-29

申请号：CN201410468250.8

申请日：2014-09-15

Applicant: 燕山大学

Inventor： 时培明 ,  李培 ,  韩东颖

IPC: G06F19/00

Abstract: 一种基于参数补偿多稳随机共振系统的微弱信号检测方法，包括以下步骤：(1)对含噪微弱信号进行参数补偿，即在多稳Langevin方程中加入一个放大环节，抵消信号经过多稳系统后幅值变小的趋势，从而可以用于检测高频微弱信号；(2)将补偿后信号输入到多稳系统，多稳系统比双稳系统具有更强的检测能力，可用于检测更低信噪比下的微弱信号；(3)对多稳系统输出信号进行包络解调分析，分析包络谱图，从而提取出微弱信号的特征，完成微弱信号的检测。本发明方法可以很好的把微弱信号在极低信噪比情况下提取出来，而在不知信号频率的情况下也可完成对低频和中高频微弱信号的检测，大幅提升处理信号的能力。

公开(公告)号：CN119272030A

公开(公告)日：2025-01-07

申请号：CN202411606181.2

申请日：2024-11-12

Applicant: 燕山大学

Inventor： 许学方 ,  龚思雨 ,  侯东晓 ,  李明霞 ,  贾琳洁 ,  时培明

IPC: G06F18/213 ,  G01M13/045 ,  G06N7/08 ,  G06N3/006

Abstract: 本发明公开了一种基于改进自适应多元变分模态分解的风电机组轴承故障特征提取方法，属于风电机组轴承故障诊断技术领域，S1使用logistic‑tent混沌映射代替传统的随机数生成方法，初始化QPSO算法中的粒子位置，确保初始化的均匀性和随机性；S2通过改进的QPSO算法自适应选择模态数K和惩罚因子，以能量误差作为适应度函数，进行参数优化，将处理后的信号利用MVMD进行分解，得到多个代表不同的频率成分的模态分量；S3计算各分量的峭度值和香农熵选取重构分量，用于后续特征提取，通过Teager能量算子分析信号的变化，并进行包络分析以提取故障频率，来识别出轴承的具体故障特征。本申请方法具有实用性和高效性。

公开(公告)号：CN114490603B

公开(公告)日：2024-09-24

申请号：CN202210024017.5

申请日：2022-01-11

Applicant: 燕山大学

Inventor： 许学方 ,  李博 ,  张宇 ,  时培明

IPC: G06F16/215 ,  G06F18/2433 ,  G06F18/10

Abstract: 本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法，属于机械故障诊断及状态监测技术领域，所述方法包括：构建局部异常因子模型，获取历史监测数据集，将历史监测数据进行多维特征属性特征提取，并形成历史监测数据LOF结果集；根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新，并通过异常阈值识别并删除异常数据，计算复杂度相比传统LOF大大降低，计算耗时更小，能够满足一般流式监测数据质量保障实时性要求。

公开(公告)号：CN111339723A

公开(公告)日：2020-06-26

申请号：CN202010117822.3

申请日：2020-02-25

Applicant: 燕山大学

Inventor： 时培明 ,  张文跃 ,  焦永旭 ,  陈开政

IPC: G06F30/367 ,  G06F30/39

Abstract: 本发明公开了一种新型二阶多稳态随机共振电路，属于微弱信号检测技术领域，该电路主电路包括加法器模块、第一积分器模块、第一反相器模块和第二积分器模块；第一加法器模块的输入端与需要处理的电压信号相连接，第一加法器模块的输出端与第一积分器模块的输入端相连接，第一积分器模块的输出端与第一反相器的输入端相连接，第一反相器模块的输出端与第二积分器模块的输入端相连接；第一积分器模块的输出端与第一反馈回路的输入端相连接，第一反馈回路的输出端与加法器模块的输入端相连接；与经典随机共振模型相比，该电路具有更大更广的参数调节范围，所能检测的信号频率范围与强度范围更大，同时能得到更高的信噪比，更适用于检测强噪声背景下的微弱信号。

公开(公告)号：CN110348491A

公开(公告)日：2019-10-18

申请号：CN201910536433.1

申请日：2019-06-20

Applicant: 燕山大学

Inventor： 时培明 ,  马晓杰 ,  韩东颖

IPC: G06K9/62

Abstract: 本发明公开一种基于学习字典与奇异值分解的滚动轴承故障识别方法，可以在某一程度故障数据学习训练的基础上实现对其他程度故障类型的识别，利用K-SVD算法训练某单一故障程度下各故障类型信号的学习字典，并将得到的各类型学习字典组合成新字典，采用奇异值分解对待测故障数据进行去噪处理，同时构建去噪数据的测试样本集，之后求解该测试样本集在组合字典下的稀疏表示系数矩阵，根据其中非零系数在各故障类型区域的分布概率进行轴承故障类型的识别判断。该方法可以有效识别其他故障程度下的故障类型，而且训练过程无需大量的轴承故障数据，训练过程计算量小，所用时间较短，而且识别的准确度高，简单易行。

公开(公告)号：CN105259755B

公开(公告)日：2018-02-09

申请号：CN201510675523.0

申请日：2015-10-19

Applicant: 燕山大学

Inventor： 时培明 ,  李冰洋 ,  刘彬 ,  刘浩然 ,  韩东颖

IPC: G05B13/04

Abstract: 一种抑制轧机扭振的智能控制方法，它包括以下步骤：(1)设计模糊PID控制器，并从中得到训练神经网络所需的数据样本集；(2)对神经网络进行训练，训练的过程就是调整模糊隶属度函数的过程，不断学习，直到得到PID的最佳参数；(3)对训练好的模糊‑神经网络PID控制器进行仿真验证该方法的有效性。本发明结合了模糊控制和神经网络的各自优点，利用神经网络的自学习和自适应性，更新模糊控制的隶属度函数，实现PID三个参数根据实时的工作需求自我调整变化，最终达到最佳的控制效果。

公开(公告)号：CN106127176A

公开(公告)日：2016-11-16

申请号：CN201610513459.0

申请日：2016-07-04

Applicant: 燕山大学

Inventor： 时培明 ,  赵娜 ,  梁凯 ,  韩东颖 ,  付荣荣

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00536 ,  G06K9/6269

Abstract: 一种基于PSO‑SVM和分形盒维数的变载荷工况下齿轮故障诊断方法，包括以下步骤：1、通过齿轮振动时域图的峭度对齿轮带负载类型进行分类；2、求每种负载类型下的时域振动信号的分形盒维数、裕度因子、峰值因子、波形因子、脉冲因子等特征参数作为故障分类指标；3、进行基于粒子群优化支持向量机(PSO‑SVM)模型的搭建与训练，每一种负载类型建立一个PSO‑SVM，将步骤2得到的故障分类指标输入到相应的PSO‑SVM中进行故障分类。本发明方法能够很好地对变载荷下的齿轮故障类型进行分类，解决了变载荷激励下齿轮故障难以诊断的问题。

公开(公告)号：CN104462695A

公开(公告)日：2015-03-25

申请号：CN201410764939.5

申请日：2014-12-12

Applicant: 燕山大学

Inventor： 时培明 ,  孙彦龙 ,  韩东颖

IPC: G06F17/50

Abstract: 本发明公开了双耦合Duffing振子与变尺度相结合的微弱信号检测方法，包括以下步骤:(1)构建双耦合Duffing振子微弱信号检测系统方程，分析系统的各状态，确定临界混沌状态参数；(2)建立双耦合Duffing振子阵列检测模型，设置方程参数；(3)对待检测信号进行频谱分析，得到待检信号所包含频率的估计值；(4)对待检信号进行尺度变换，确保信号在振子阵列的检测范围之内；(5)将经过尺度变换后的待检信号输入到双耦合Duffing振子阵列中，计算出待检信号精确的频率构成。本发明方法采用双耦合Duffing振子系统与变尺度相结合来检测微弱周期信号，克服了常规的Duffing振子系统只能对较低频信号进行检测的缺陷，实现了对高频微弱信号的检测。

公开(公告)号：CN114462480B

公开(公告)日：2024-08-27

申请号：CN202111599158.1

申请日：2021-12-24

Applicant: 燕山大学

Inventor： 时培明 ,  于越 ,  许学方 ,  华长春

IPC: G06F18/2415 ,  G06F18/2131 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G06Q10/20 ,  G01M13/045 ,  G06N3/048

Abstract: 本发明涉及一种基于非均衡数据集下的多源传感器轧机故障诊断的方法，对轧机的振动信号数据和声音信号数据进行融合从而实现轧机的故障诊断；该方法能够摆脱单一传感器的局限性，通过融合多传感器的数据，从而进行有用信息的互补，达到更高的诊断精度，解决非均衡数据集问题。用改进的一维卷积神经网络对轧机设备诊断系统采集的声音信号进行特征提取，利用改进的二维卷积神经网络对轧机设备诊断系统采集的振动信号的峰度图进行特征提取，最后在进行总的特征融合，该方法可以对充分信息提取，能够很好的应对轧机实际生产过程中所遇到的故障状态过少的问题，实现高诊断率以及准确率。