-
公开(公告)号：CN110991544A
公开(公告)日：2020-04-10
申请号：CN201911259308.7
申请日：2019-12-10
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法，该方法的步骤如下：采集轴向柱塞泵壳体处的振动信号并构建初始样本集；采用小波包自适应阈值对原始信号进行去噪；对去噪后的信号进行PICA-VMD变换得出对应的Hilbert边际谱，提取边际谱中的边际谱幅值作为故障特征并构建特征集；采用PCA法对提取的故障特征进行降维；最后将降维后的故障特征集输入到多分类SVM模型内完成空化等级的识别。本发明方法能有效地识别出轴向柱塞泵的空化等级，Hilbert边际谱幅值能够较好地反映微弱的轴向柱塞泵空化故障特征。
-
Patent Agency Ranking
公开(公告)号：CN113820079A
公开(公告)日：2021-12-21
申请号：CN202110926053.6
申请日：2021-08-12
Applicant: 中铁工程装备集团有限公司 , 上海交通大学
Abstract: 本发明提供一种基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法，涉及液压缸泄漏的故障诊断技术领域，该方法包括：步骤S1：采集不同泄漏程度下液压缸的出口压力信号，构建初始样本集；步骤S2：对压力信号进行去噪，将压力信号分解为循环周期信号和残余信号；步骤S3：分别提取一阶循环频率特征CS1和二阶循环频率特征CS2，构成故障特征集；步骤S4：将故障特征集进行预处理，将预处理后的故障特征集作为训练数据，完成对模型的训练；步骤S5：根据得到待识别的液压缸压力信号的故障特征集，将故障特征集进行数据标准化后，输入到训练好的模型中，完成液压缸泄漏程度的故障诊断。本发明能够有更高的识别准确率。
-
公开(公告)号：CN111401136A
公开(公告)日：2020-07-10
申请号：CN202010109714.1
申请日：2020-02-22
Applicant: 上海交通大学
Abstract: 本发明公开了一种柱塞泵空化程度检测方法、装置、储存介质及终端，其中，柱塞泵空化程度检测方法，包括：获取柱塞泵空化时壳体的三轴振动信号；将所述三轴振动信号进行切分，得到振动信号片段集；将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。本发明采用的将振动信号转换成RGB图片并结合卷积神经网络的方法，实现了对柱塞泵空化程度的识别，并且在不使用附加降噪方法的情况下，对有噪声的振动信号依然具有良好的性能。
-
公开(公告)号：CN111401136B
公开(公告)日：2022-11-25
申请号：CN202010109714.1
申请日：2020-02-22
Applicant: 上海交通大学
IPC: G06K9/00 , G06K9/62 , G06T11/00 , F04B51/00 , G06T7/00 , G06V10/774 , G06V10/56 , G06N20/00 , G06V10/82
Abstract: 本发明公开了一种柱塞泵空化程度检测方法、装置、储存介质及终端，其中，柱塞泵空化程度检测方法，包括：获取柱塞泵空化时壳体的三轴振动信号；将所述三轴振动信号进行切分，得到振动信号片段集；将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。本发明采用的将振动信号转换成RGB图片并结合卷积神经网络的方法，实现了对柱塞泵空化程度的识别，并且在不使用附加降噪方法的情况下，对有噪声的振动信号依然具有良好的性能。
-
公开(公告)号：CN113820079B
公开(公告)日：2024-05-24
申请号：CN202110926053.6
申请日：2021-08-12
Applicant: 中铁工程装备集团有限公司 , 上海交通大学
IPC: G01M3/26 , G06F18/2415 , G06F18/2431 , G06F18/27 , G06F18/2131 , G06N5/01 , G06N7/01
Abstract: 本发明提供一种基于循环平稳理论和Stacking模型的液压缸泄漏故障诊断方法，涉及液压缸泄漏的故障诊断技术领域，该方法包括：步骤S1：采集不同泄漏程度下液压缸的出口压力信号，构建初始样本集；步骤S2：对压力信号进行去噪，将压力信号分解为循环周期信号和残余信号；步骤S3：分别提取一阶循环频率特征CS1和二阶循环频率特征CS2，构成故障特征集；步骤S4：将故障特征集进行预处理，将预处理后的故障特征集作为训练数据，完成对模型的训练；步骤S5：根据得到待识别的液压缸压力信号的故障特征集，将故障特征集进行数据标准化后，输入到训练好的模型中，完成液压缸泄漏程度的故障诊断。本发明能够有更高的识别准确率。
-
公开(公告)号：CN110991544B
公开(公告)日：2023-04-28
申请号：CN201911259308.7
申请日：2019-12-10
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06V10/764 , G06V10/77 , G06V10/774
Abstract: 本发明公开了一种基于PICA‑VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法，该方法的步骤如下：采集轴向柱塞泵壳体处的振动信号并构建初始样本集；采用小波包自适应阈值对原始信号进行去噪；对去噪后的信号进行PICA‑VMD变换得出对应的Hilbert边际谱，提取边际谱中的边际谱幅值作为故障特征并构建特征集；采用PCA法对提取的故障特征进行降维；最后将降维后的故障特征集输入到多分类SVM模型内完成空化等级的识别。本发明方法能有效地识别出轴向柱塞泵的空化等级，Hilbert边际谱幅值能够较好地反映微弱的轴向柱塞泵空化故障特征。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
