公开(公告)号：CN119150003A

公开(公告)日：2024-12-17

申请号：CN202410935006.1

申请日：2024-07-12

Applicant: 兰州交通大学

Inventor： 何勇 ,  王泽宇 ,  王红 ,  刘晓玲

IPC: G06F18/2131 ,  G01M13/045 ,  G06F18/26

Abstract: 本发明涉及一种针对多种模态分解方法最优模态分量难以选择的问题，提出了一种基于无偏自相关基尼系数指标的模态分量选择方法。其特征在于，包括以下步骤：S1：采用模态分解方法(例如：变分模态分解(VMD))对原始信号进行分解，得到一系列模态分量信号；S2：计算各模态分量对应的无偏自相关基尼系数值，选取其中最大值对应的模态分量作为最佳分量；S3：对最佳模态分量进行包络谱解调，获取并分析轴承的真实故障特征频率，进而确定轴承故障类型。与现有指标相比，该指标可以综合评估轴承故障特征的冲击性与周期性，从而可以挑选出包含故障特征最多的模态分量。

公开(公告)号：CN118094325A

公开(公告)日：2024-05-28

申请号：CN202410224233.3

申请日：2024-02-29

Applicant: 兰州交通大学

Inventor： 何勇 ,  王泽宇 ,  岳鹏

IPC: G06F18/241 ,  G06F18/213 ,  G01M13/045

Abstract: 本发明涉及一种采用平均峭度改进VMD算法的轴承故障诊断方法，其特征在于，包括以下步骤：S1：采用网格搜索算法对VMD分解参数惩罚因子α和分解个数K进行全局最优组合搜索，以平均峭度指标作为目标函数，获得最优参数组合；S2：将原始故障振动信号经获得最优参数组合后的VMD分解，得到若干个本征模态分量，选取最佳分量；S3：对最佳模态分量进行包络谱解调，获取并分析轴承的真实特征频率，进而确定轴承故障类型。与现有技术相比，该发明能够降低人工随机参数选取造成的诊断误差，提高模型泛化能力。