公开(公告)号：CN110044619A

公开(公告)日：2019-07-23

申请号：CN201910070499.6

申请日：2019-01-25

Applicant: 西安交通大学

Inventor： 陈雪峰 ,  赵志斌 ,  王诗彬 ,  孙闯 ,  安波涛

IPC: G01M13/045 ,  G01R31/34

Abstract: 本发明公开了基于稀疏多周期组套索的多故障特征辨识方法，方法包括以下步骤：分析待识别的信号以构造二值周期序列b，基于故障特征信号呈现周期组内组间稀疏的特性获得促进周期组内组间稀疏的正则项P(x；b)，基于不同故障特征频率的区分性建立稀疏多周期组套索模型；分别构造稀疏多周期组套索模型中数据保真项 和正则项 的受控优化算子，通过受控优化算子的解耦，实现变量之间的分离，针对每个受控优化算子，建立其优化的闭式解，通过迭代求解每种故障的受控优化算子对应的闭式解，实现模型求解；通过仿真信号统计分析自适应设置正则化参数，通过所述参数得出算法的自适应求解，从而分离得到每种故障；针对分离得到的每种故障，通过包络分析辨识故障类型。

公开(公告)号：CN109870282A

公开(公告)日：2019-06-11

申请号：CN201910236527.7

申请日：2019-03-26

Applicant: 西安交通大学

Inventor： 陈雪峰 ,  吴淑明 ,  杨志勃 ,  赵志斌 ,  李浩琪 ,  王增坤

IPC: G01M7/02 ,  G06F17/50

Abstract: 本发明公开了一种基于压缩感知的叶片振动特征辨识方法及系统，包括：对叶端定时信号的采样过程建立压缩感知模型；确定待测共振转速区间、叶端定时传感器最小安装间隔和叶端定时传感器非安装位置；避开共振转速区间采样冗余、设立叶端定时传感器最小安装间隔采样列数、删除叶端定时传感器非安装位置，计算符合压缩感知模型下的叶端定时传感器布局最优解；根据叶端定时传感器布局最优解，建立叶片采样信号稀疏表示模型和叶尖特征提取优化模型，采用基于迭代重加权L1范的特征辨识算法，得到叶片振动特征参数。本发明能够有效提高叶片振动参数辨识精度，改善叶片在线监测质量。