-
公开(公告)号：CN104155133A
公开(公告)日：2014-11-19
申请号：CN201410384028.X
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G01M99/00
Abstract: 本发明涉及一种机械故障程度的评价方法，其步骤：(1)利用转子实验台模拟机械设备正常运行状态，采用振动信号；(2)利用转子实验台模拟机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集振动信号；(3)对所有振动信号进行双谱操作获得双谱值矩阵；(4)将双谱值矩阵定义为劣化演化矩阵；计算正常运行状态下的劣化演化矩阵以及故障下的劣化演化矩阵；(5)计算劣化演化矩阵的特征值、均值、方差；(6)计算机械设备正常运行状态下的均值最大值、方差最大值；(7)根据以上获得劣化区间划分图；(8)采集实际设备的振动信号得到劣化均值、劣化方差，将其绘制在劣化区间划分图中，根据坐标点所处的区域判断设备运行状态。
-
公开(公告)号：CN116090655A
公开(公告)日：2023-05-09
申请号：CN202310143960.2
申请日：2023-02-09
Applicant: 北京信息科技大学
IPC: G06Q10/04 , G06Q10/087 , G06Q50/04 , G06N3/126
Abstract: 本发明涉及一种面向智能仪器仪表生产任务的运行预测方法及系统，其包括：基于遗传算法优化企业的零件库存状态；根据企业的零件库存状态、库存零件总的加工时间、加工后零件能够装配成部件的部件装配时间和部件能够组装成系统的调试检验时间因素，计算现有库存能够满足生产的最长时间，以确定第二批零件的允许采购时间，完成运行预测。本发明能计算现有库存能够满足生产的最长时间，定量确定允许的第二批零件的采购时间。本发明可以在智能生产制造领域中应用。
-
公开(公告)号：CN112163640A
公开(公告)日：2021-01-01
申请号：CN202011190507.X
申请日：2020-10-30
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于深度卷积迁移学习行星齿轮箱故障诊断方法及系统，其包括以下步骤：收集已有工况S下的行星齿轮箱故障数据集，构建源域数据集；对每一组原始振动信号都进行点数分割，构建源域样本数据集；构建目标域数据集，并对目标域数据集中的每组原始振动信号进行点数分割，构建目标域样本数据集；将源域样本数据集和目标域样本数据集利用深度卷积迁移学习，实现对行星齿轮箱进行故障诊断。本发明可以在面对多工况下故障样本较少或某故障样本缺失等情况发生时，仍旧可以获得较为理想的故障诊断效果，且在新工况下的数据集，不需要重新训练网络模型，可以节约大量时间。
-
公开(公告)号：CN109443752B
公开(公告)日：2020-11-27
申请号：CN201811206915.2
申请日：2018-10-17
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD‑模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD‑模平方阈值处理，得到处理后的信号提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
-
公开(公告)号：CN105223275B
公开(公告)日：2018-05-11
申请号：CN201510816462.5
申请日：2015-11-23
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于稀疏矩阵的焊接缺陷诊断方法，其步骤：按照焊接工艺制作焊接标准试件，在部分试件的焊缝内部预置焊接缺陷；对预置焊接缺陷的试件和无焊接缺陷的焊接标准试件做弯曲变形实验取得声发射信号；对声发射信号进行时差滤波方法处理，获得声发射数据中的所有缺陷信号；获得无缺陷焊接试件、试件气孔焊接缺陷、夹渣焊接缺陷、焊接裂纹缺陷的时间、幅值历程图；通过时间、幅值历程图获得无缺陷稀疏矩阵、气孔缺陷稀疏矩阵、夹渣缺陷稀疏矩阵、裂纹缺陷稀疏矩阵；通过稀疏矩阵组成焊接缺陷类型库；根据焊接缺陷类型数据库对待诊断结构件进行焊接缺陷类型的诊断。本发明简便易行，能有效提高诊断的准确性，可以广泛在机械结构件在焊接加工领域中应用。
-
Patent Agency Ranking
公开(公告)号：CN105424365B
公开(公告)日：2017-10-27
申请号：CN201510816449.X
申请日：2015-11-23
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种滚动轴承故障迁移轨迹可视化的方法，其步骤：获取滚动轴承内圈时序振动信号、外圈时序振动信号和滚动体时序振动信号；对滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号进行特征量提取，分别得到变异系数、偏度和峭度指标；获取不同时刻的状态矩阵；获取滚动轴承迁移矩阵；将各迁移矩阵第一列元素分别映射到空间坐标系后得到一个坐标点，第二列元素、第三列元素分别作映射到空间坐标系，得到第二列元素对应的坐标点以及第三列元素对应的坐标点；将第一列至第三列对应的坐标点均采用最小二乘法进行曲线拟合，形成滚动轴承内圈、外圈和滚动体的故障迁移曲线。本发明计算简单、计算量小，可以广泛在机械故障诊断领域中应用。
-
公开(公告)号：CN107025446A
公开(公告)日：2017-08-08
申请号：CN201710236446.8
申请日：2017-04-12
Applicant: 北京信息科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种振动信号联合降噪方法，其步骤：对振动信号的小波变换模极大值分解，求出各个尺度上小波变换系数对应的模极大点和模极大点位置；选择小波分解的最大尺度J，在该尺度上以预先设置的阈值T为搜索阈值，保留其中模极大值大于T的点，去掉其中模极大值小于T的点，得到尺度J上新的模极大值点；在尺度J‑1上搜索新的模极大值点落在尺度J上限定邻域内的点集序列；对于尺度J＝1，在J＝2存在极值点的位置上保留J＝1时相应的极值点，而将其余位置上的极值点置零；采用交替投影法从各尺度上的模极大值及其位置重构小波系数，然后对所得到的小波系数利用逆变换获得重构信号；基于FastICA算法对降噪后信号和振动信号进行盲源分离，完成对振动信号的联合降噪处理。
-
公开(公告)号：CN104897277A
公开(公告)日：2015-09-09
申请号：CN201510295830.6
申请日：2015-06-02
Applicant: 北京信息科技大学
IPC: G01H17/00
Abstract: 本发明涉及一种基于双谱熵的风力发电机组故障诊断方法，其步骤：采集风力发电机组在正常运行状态、轻度故障、中度故障以及重度故障下的振动信号；计算所有振动信号的故障特征带；建立故障疏离度检测模型；采集待检测风力发电机组的振动信号，将待检测振动信号进行故障特征带计算，得到的故障特征输入故障疏离度检测模型中，计算该故障状态与四类故障状态的故障疏离度,得到的最小疏离度即为该风机的故障状态。本发明能有效提取非平稳信号的故障特征，并进行风力发电机组的故障诊断，提高故障诊断的精度，可以广泛在风电机组设备故障诊断中应用。
-
公开(公告)号：CN102661783B
公开(公告)日：2014-04-02
申请号：CN201210123651.0
申请日：2012-04-24
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种旋转机械故障趋势预测的特征提取方法，其步骤为：(1)利用远程在线监测诊断中心进行工业现场数据采集，通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t)；(2)根据FastICA算法对振动信号xj(t)进行盲源分离，得到原始独立振动源sj(t)的近似信号源yj(t)；(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解，提取故障敏感特征频带。本发明由于采用独立成分分析(ICA)处理可以识别出混叠成采集信号的原始的独立信号源，对独立信号源进行基于小波包的特征频带获取，可以判断某个源信号是否在向故障的方向发展，达到提前预防故障的目的。本发明可以广泛在旋转机械故障趋势预测中应用。
-
公开(公告)号：CN118554423A
公开(公告)日：2024-08-27
申请号：CN202410564973.1
申请日：2024-05-09
Applicant: 北京信息科技大学
IPC: H02J3/00 , G06F30/20 , H02J3/46 , G06F113/06
Abstract: 本发明涉及一种全风况下双馈异步风电机组的模块化建模方法及系统，其包括：构建全风况风速模块、风机风轮模块和双馈异步发电机模块，各模块之间具有相互耦合关系，由全风况风速模块产生风速提供给风机风轮模块，风机风轮模块根据风速将其转换为风轮转矩的形式，将风能以机械功率的形式转换为机械能，并将机械能转换为机械转矩后输入双馈异步发电机模块实现机械能到电能的转换；在最大功率跟踪策略下，建立风力发电机控制系统模块，以控制调节风机风轮模块的转速以及双馈异步发电机模块的发电功率；由全风况风速模块、风机风轮模块、双馈异步发电机模块和风力发电机控制系统模块构成双馈异步风电机组在全风况下的仿真模型。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
