-
公开(公告)号：CN120030338A
公开(公告)日：2025-05-23
申请号：CN202510101354.3
申请日：2025-01-22
Applicant: 中国航发湖南动力机械研究所 , 湖南大学
IPC: G06F18/2134 , G01M13/028 , G01M13/021 , G06F18/2136 , G06F18/2131 , G06F18/2433
Abstract: 本发明涉及信号与信息处理技术领域，具体公开了一种基于改进组稀疏模态分解的齿轮振动信号分解方法，包括S1：对齿轮箱进行测量，获取齿轮振动数据；S2：利用离散傅里叶变换获得振动信号频谱；S3：对频谱进行组稀疏优化，构建一组零相位滤波器组；S4：利用零相位滤波器组对信号频谱滤波进行分解，进行逆傅里叶变换，获取模态分量；S5：计算所有组稀疏模态分量的周期性；S6：将周期相似性较高的组稀疏模态分量融合为本征模态分量；S7：选取故障分量，提取故障特征频率，进行故障诊断。本发明解决了现有基于组稀疏模态分解会产生过分解现象，破坏齿轮故障特征信息完整性的问题，能保护齿轮故障特征信息，有效提取齿轮信号的振动特征。
-
公开(公告)号：CN103033362B
公开(公告)日：2015-03-25
申请号：CN201210590542.X
申请日：2012-12-31
Applicant: 湖南大学
Abstract: 本发明提出一种基于改进多变量预测模型的齿轮故障诊断方法，包括以下步骤：测量故障物体的振动信号；从振动信号中提取故障特征值，即局部特征尺度分解瞬时幅值熵；将故障特征值分为训练样本和测试样本；分别对训练样本进行基于支持向量回归机方法的多变量预测模型的训练以建立最佳变量预测模型，根据最佳变量预测模型对测试样本进行分类；根据分类结果识别故障物体的工作状态和故障类型。本发明提出的基于改进多变量预测模型的齿轮故障诊断方法，在模式识别过程中具有较高的识别度。
-
公开(公告)号：CN115876497A
公开(公告)日：2023-03-31
申请号：CN202211353274.X
申请日：2022-11-01
Applicant: 湖南大学
IPC: G01M17/06
Abstract: 本发明属于车辆转向设备性能试验技术领域，具体涉及一种重载车辆转向试验装置。本发明提供了一种重载车辆转向试验装置，旨在解决现有技术中重载车辆转向试验装置的试验台固定不动，造成转向设备试验精度低的问题。一种重载车辆转向试验装置，包括安装转向设备的安装平台和支撑所述安装平台的支撑座，所述安装平台通过弹性支撑件固定于所述支撑座上，所述安装平台与所述支撑座之间均布有所述弹性支撑件；所述支撑座上设置有驱动所述安装平台相对于所述支撑座产生振动的驱动机构，通过设置第一驱动件、第二驱动件以及牵引丝，转向设备进行试验时可以获得更接近真实的振动工况，从而提高了转向设备的试验精度。
-
Patent Agency Ranking
公开(公告)号：CN114740361A
公开(公告)日：2022-07-12
申请号：CN202210378188.8
申请日：2022-04-12
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法，首先获取燃料电池多种历史检测信号并进行预处理，分解出预测电压信号；然后对预测电压信号和历史检测信号进行归一化处理，获得特征信号并滤波；将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型，重复训练得到燃料电池电压预测模型；最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波，再输入到燃料电池电压预测模型中，获得的结果进行反归一化处理，获得燃料电池的预测电压，此方法能够对燃料电池，尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测，可实现燃料电池故障提前感知，保证设备的安全、稳定和长期运行。
-
公开(公告)号：CN114740361B
公开(公告)日：2024-06-07
申请号：CN202210378188.8
申请日：2022-04-12
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法，首先获取燃料电池多种历史检测信号并进行预处理，分解出预测电压信号；然后对预测电压信号和历史检测信号进行归一化处理，获得特征信号并滤波；将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型，重复训练得到燃料电池电压预测模型；最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波，再输入到燃料电池电压预测模型中，获得的结果进行反归一化处理，获得燃料电池的预测电压，此方法能够对燃料电池，尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测，可实现燃料电池故障提前感知，保证设备的安全、稳定和长期运行。
-
公开(公告)号：CN103033362A
公开(公告)日：2013-04-10
申请号：CN201210590542.X
申请日：2012-12-31
Applicant: 湖南大学
Abstract: 本发明提出一种基于改进多变量预测模型的齿轮故障诊断方法，包括以下步骤：测量故障物体的振动信号；从振动信号中提取故障特征值，即局部特征尺度分解瞬时幅值熵；将故障特征值分为训练样本和测试样本；分别对训练样本进行基于支持向量回归机方法的多变量预测模型的训练以建立最佳变量预测模型，根据最佳变量预测模型对测试样本进行分类；根据分类结果识别故障物体的工作状态和故障类型。本发明提出的基于改进多变量预测模型的齿轮故障诊断方法，在模式识别过程中具有较高的识别度。
-
公开(公告)号：CN101587017A
公开(公告)日：2009-11-25
申请号：CN200910043717.3
申请日：2009-06-19
Applicant: 湖南大学
IPC: G01M13/02
Abstract: 本发明公开了一种基于局部均值分解循环频率谱的齿轮故障诊断方法。局部均值分解方法振动信号分解为若干个单分量的调幅-调频信号之和，并得到各个分量的瞬时频率，获得各个分量的瞬时频率随时间的变化情况，非常适合于处理多分量的调幅-调频信号。当齿轮发生故障时，其振动信号通常为多分量调幅-调频信号，采用局部均值分解方法能获得齿轮振动信号瞬时频率随时间变化情况，进一步对瞬时频率进行频谱分析获得循环频率谱，从而对齿轮状态和故障进行识别。
-
公开(公告)号：CN218584353U
公开(公告)日：2023-03-07
申请号：CN202222900464.0
申请日：2022-11-01
Applicant: 湖南大学
IPC: G01M17/06
Abstract: 本实用新型属于车辆转向设备性能试验技术领域，具体涉及一种重载车辆转向试验装置。本实用新型提供了一种重载车辆转向试验装置，旨在解决现有技术中重载车辆转向试验装置的试验台固定不动，造成转向设备试验精度低的问题。一种重载车辆转向试验装置，包括安装转向设备的安装平台和支撑所述安装平台的支撑座，所述安装平台通过弹性支撑件固定于所述支撑座上，所述安装平台与所述支撑座之间均布有所述弹性支撑件；所述支撑座上设置有驱动所述安装平台相对于所述支撑座产生振动的驱动机构，通过设置第一驱动件、第二驱动件以及牵引丝，转向设备进行试验时可以获得更接近真实的振动工况，从而提高了转向设备的试验精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.066 seconds)
