公开(公告)号：CN114912488A

公开(公告)日：2022-08-16

申请号：CN202210523173.6

申请日：2022-05-13

Applicant: 北京信息科技大学

Inventor： 张煜 ,  赵西伟 ,  吴国新 ,  蒋章雷

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明涉及一种基于FOA‑VMD的参数优化轴承故障诊断方法及系统，其包括：利用果蝇算法对VMD分解参数惩罚因子和分解个数进行全局最优组合搜索，选取信息熵增量结合峭度指标作为目标函数，获得最优参数组合；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；对最佳分量进行包络分析处理后，并采用1.5维谱对最佳分量做进一步处理，消除其他成分干扰，凸显故障特征频率及其倍频，以得到轴承的故障类型。本发明能有效的得出滚动轴承的故障特征，加强故障特征的识别准确率。本发明可以在机械设备故障诊断技术领域中应用。

公开(公告)号：CN114861726A

公开(公告)日：2022-08-05

申请号：CN202210524156.4

申请日：2022-05-13

Applicant: 北京信息科技大学

Inventor： 赵西伟 ,  张煜 ,  吴国新 ,  蒋章雷

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种风力发电机高速齿轮磨损故障趋势预测方法及系统，其包括：采集风力发电机高速齿轮震动信号，构建混合信息模型，采用独立成分分析方法从混合信号中分离出各独立成分信息的近似成分，并以纯净的近似故障源信号特征为依据找到有用成分；根据近似故障源信号与故障源信号互为相似形，估计相似形放大倍数值域；确定连续且单向变化的放大倍数值域与旋转部件故障程度的对应关系，建立故障程度判别标准，结合高速齿轮全生命周期故障源信号能量变化趋势图，对故障程度及趋势做出判断及预测。本发明能对风力发电机组的故障趋势进行有效的预测，可以在机械设备故障预测技术领域中应用。