-
公开(公告)号：CN112364767B
公开(公告)日：2022-09-20
申请号：CN202011252309.1
申请日：2020-11-11
Applicant: 大连理工大学
Abstract: 一种基于快速谱相关的高压循环泵机械信号特征提取方法，属于机械信号处理与特征提取领域。步骤：使用压力脉动传感器和振动加速度传感器采集高压循环泵运行过程中的机械信号；对采集到的信号去直流分量；确定窗函数的大小、类型和循环频率的范围；对去直流分量的信号进行短时傅里叶变换和相位修正的短时傅里叶变换；进一步的计算扫描谱相关并且得到快速谱相关；对快速谱相关归一化得到快速谱相干；然后快速谱相干沿着频率轴积分得到增强包络谱；在增强包络谱中即可提取到高压循环泵机械信号的特征频率。本发明克服了传统信号处理方法不能提取循环平稳类型信号特征频率的缺点，其可以有效的提取高压循环泵的特征频率，计算时间效率高，具有很强大的工程实用性。
-
公开(公告)号：CN114674412A
公开(公告)日：2022-06-28
申请号：CN202210262117.1
申请日：2022-03-17
Applicant: 大连理工大学
Abstract: 本发明属于旋转机械叶片振动测量领域，提供一种无转速同步信号的叶尖定时测量方法。本发明包括以下步骤：首先，在低速、无激励的运行工况下，通过叶尖定时数据标定叶片经过光纤探针时转子转过的弧度；然后，在扫频工况下，通过叶尖定时数据计算叶片振动差；最后，结合非线性最小二乘法和坎贝尔图识别叶片同步共振参数。实验结果显示本发明的叶片振动测量精度高且能有效识别叶片同步共振参数。本发明取消了转速同步信号测量系统，仅需要单支光纤探针就能对叶片振动进行测量和分析，提高了叶尖定时测振技术的可行性和可靠性。
-
公开(公告)号：CN114358080A
公开(公告)日：2022-04-15
申请号：CN202210003381.3
申请日：2022-01-04
Applicant: 大连理工大学
Abstract: 一种基于生成对抗网络的轴承振动监测特征阈值自学习方法，步骤如下：获取轴承振动加速度信号；对加速度信号进行去均值和分割，得到同一工况下的众多振动信号样本集；采用卷积池化层和全连接层构建自学习神经网络模型的判别器，采用反卷积层构建自学习样本生成器，利用振动信号样本集训练自学习神经网络模型；利用训练好的自学习神经网络模型样本生成器生成振动信号样本进行特征值计算；将特征值乘以一定倍数定义为特征阈值，提供设备监测使用。本方法避免人为设置特征阈值，能自动根据设备运行规律给出轴承振动信号特征阈值的动态调整，同时在轴承运行多工况背景下，该方法能给出对应的特征阈值，使得轴承振动监测更加智能化。
-
公开(公告)号：CN113798920A
公开(公告)日：2021-12-17
申请号：CN202111110014.5
申请日：2021-09-23
Applicant: 大连理工大学
IPC: B23Q17/09
Abstract: 一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法，采集加工过程中机床主轴电机三相电流信号，将其融合成电流有效值并转化为三维矩阵形式生成图片样本，作为VAE‑ELM网络的输入；利用VAE进行无监督训练，保留网络由提取的短序列向量组成的特征信息部分；以无监督预训练阶段获得的特征信息作为有监督网络的初始输入，利用ELM算法对特征进行分类；完成网络的训练后，将测试样本输入到VAE‑ELM模型中，获得结果。本发明可以避免繁杂的数据预处理方法，且不需要剔除摆线铣削加工中空刀部分的信号数据也能够高效准确地识别出变工况条件下刀具的磨损状态，具有识别精度高，鲁棒性强的特点，在实际工程应用中具有重要意义。
-
公开(公告)号：CN113702043A
公开(公告)日：2021-11-26
申请号：CN202110911167.3
申请日：2021-08-09
Applicant: 大连理工大学
IPC: G01M13/045 , G06F17/14 , G06F17/18
Abstract: 本发明提供了一种基于POVMD和FDTW的时变转速下行星齿轮箱故障诊断方法，属于旋转机械故障诊断与振动信号分析技术领域。本发明与之前无转速测量装置的阶次跟踪技术想法不同，通过扭曲所测量的时变转速下的振动信号将原始的时间刻度投影到新的时间刻度上，其中轴的时变速度朝着恒定的参考速度挤压，因此在这个变换的时间尺度上，其频率随速度变化的模糊频谱也被挤压成各自的单独峰值，而且所需要的轴转速信息不需要那么准确，能够精确识别时变转速下行星齿轮箱的齿轮和轴承故障信息。
-
Patent Agency Ranking
公开(公告)号：CN111579243B
公开(公告)日：2021-04-20
申请号：CN202010554601.2
申请日：2020-06-17
Applicant: 大连理工大学
IPC: G01M13/04 , G01M13/045 , G01D21/02 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于深度迁移学习的滚动轴承智能诊断系统，包括智能感知模块、通信模块和智能运维模块；智能感知模块多链路采集滚动轴承运行参数信息通过英伟达TX2进行预处理，预处理后的数据通过通信模块传输到智能运维模块中进行智能诊断与运维管理。智能运维模块中的故障识别与剩余寿命预测组件对滚动轴承的实时运作状态进行诊断与剩余使用寿命预测；根据状态识别与预测结果，运维管理组件对设备的作业调度、设备资源和备件储存进行优化管理。本发明可实时监控滚动轴承运行状态，为企业提供设备智能的运维与管理决策，提高设备的运行效率，实现企业利益最大化。
-
公开(公告)号：CN111737911A
公开(公告)日：2020-10-02
申请号：CN202010542440.5
申请日：2020-06-15
Applicant: 大连理工大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明属于机械设备可靠性评估技术领域，提出一种深度置信网络与极限学习机的轴承衰退趋势预测方法。在构建指标部分，首先从轴承振动信号中提取原始特征。分别从时域、时频域以及三角函数的角度，选取能够表征轴承运行状态的特征，构建多域特征集。然后建立深度置信网络，通过对特征集进行无监督学习，将多域特征融合，得到健康指标；在退化趋势预测部分，首先将健康指标进行归一化处理，然后根据健康指标对轴承的运行状态划分阶段，最后使用极限学习机预测模型，对轴承不同衰退阶段进行趋势预测。本发明提出的轴承退化趋势预测方法，预测精度较高，并且模型训练用时较少。
-
公开(公告)号：CN107239603B
公开(公告)日：2019-10-11
申请号：CN201710363848.4
申请日：2017-05-23
Applicant: 大连理工大学
IPC: G06F17/50
Abstract: 五轴数控机床加工中基于精细积分的球头铣刀颤振稳定域叶瓣图建模方法，属于先进制造技术领域，包括：1)建立球头铣刀刀具‑工件动力学方程；2)求解球头铣刀刀齿上的动态切削力Ftx(t)和Fty(t)；3)五轴数控机床平面加工过程中球头铣刀与工件的接触区域半解析建模；4)精细积分法对刀具‑工件动力学方程时域数值求解；5)叶瓣图构建。本发明将球头铣刀在单齿切削周期内视为圆弧运动，运用精细积分法对铣削系统二阶动力学方程进行高精度时域数值求解，克服传统数值求解法不能同时兼顾计算精度、计算效率和稳定性的弊端，能够构建出五轴数控机床加工过程中存在前倾角和侧倾角时的球头铣刀颤振稳定域叶瓣图。
-
公开(公告)号：CN107544433B
公开(公告)日：2019-05-28
申请号：CN201710856701.9
申请日：2017-09-21
Applicant: 大连理工大学
IPC: G05B19/408
Abstract: 轴数控机床平面加工过程球头铣刀与工件接触区域半解析建模方法，属于五轴数控机床加工领域。首先根据球头铣刀沿着轴线方向单调分布的特点，将球头铣刀与工件接触区域边界三维求解问题转化为接触区域在垂直于铣刀轴线平面投影的边界二维求解问题。其次，通过几何推导，将球头铣刀与工件接触区域边界在Xm‑Ym平面投影方程的求解问题转化为这些边界在X‑Y平面的投影方程的求解问题。最后通过半解析建模法，获得球头铣刀与工件接触区域边界在Xm‑Ym平面的投影方程。本发明能够高精度高效地构建出前倾角为α和侧倾角为β时球头铣刀与工件接触区域，弥补国内外在五轴数控机床上加工过程中球头铣刀与工件接触区域边界识别方法的空缺，具有较高的工程应用价值。
-
公开(公告)号：CN106934170A
公开(公告)日：2017-07-07
申请号：CN201710172976.0
申请日：2017-03-22
Applicant: 大连理工大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F17/5086
Abstract: 基于球头铣刀与工件接触区域的颤振稳定域叶瓣图建模方法，以铣削系统二阶动力学方程的全离散时域求解法为主线，在球头铣刀单齿切削周期内是圆弧切削和时滞周期等于单齿切削周期的基础上，通过球头铣刀与工件的接触区域投影边界方程和切削刃不同时刻的投影方程，提取出在一个时滞周期内不同时刻参与切削的刀刃数目和参与切削刀刃的实际切削部位，构建出球头铣刀切削过程中颤振稳定域叶瓣图。本发明并不局限于三轴机床上平面加工，获得球头铣刀获得球头铣刀与工件的在某个刀位点接触区域，运用该方法就能构建出该刀位点的叶瓣图。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.028 seconds)
