-
Patent Agency Ranking
公开(公告)号：CN109443752B
公开(公告)日：2020-11-27
申请号：CN201811206915.2
申请日：2018-10-17
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD‑模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD‑模平方阈值处理，得到处理后的信号提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
-
公开(公告)号：CN108956141A
公开(公告)日：2018-12-07
申请号：CN201810289904.9
申请日：2018-04-03
Applicant: 北京信息科技大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明涉及一种基于模平方阈值—FastICA的滚动轴承降噪方法，其步骤：采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行模平方阈值降噪，得到模平方阈值降噪后的信号；将模平方阈值降噪后的信号与原始振动信号组成输入矩阵，进行FastICA降噪，得到两个独立分量；判断两个独立分量的时域波形，选择包含较多故障信息的独立分量进行Hilbert包络和FFT，得到经模平方阈值—FastICA降噪后信号的时域波形图和频谱图；令模平方阈值—FastICA降噪后信号为yf,求原始信号与yf的峭度值，根据峭度值判断原始振动信号是否存在故障以及模平方阈值—FastICA的降噪效果，由降噪后信号的频谱图提取滚动轴承原始振动信号的特征频率成分，根据特征频率成分判断滚动轴承是否存在故障以及故障类型。
-
公开(公告)号：CN109443752A
公开(公告)日：2019-03-08
申请号：CN201811206915.2
申请日：2018-10-17
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD-模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD-模平方阈值处理，得到处理后的信号 提取处理后的信号 的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
-
公开(公告)号：CN108444709A
公开(公告)日：2018-08-24
申请号：CN201810349861.9
申请日：2018-04-18
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种VMD与FastICA相结合的滚动轴承故障诊断方法，其步骤：利用现有数据采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行VMD分解；原始振动信号经VMD后分解为k个模态分量，以连续的3个模态分量为一序列组合进行FastICA分析，得到重构故障信号；对重构故障信号进行Hilbert变换，得到重构故障信号的包络谱，在所得包络谱中提取各故障特征下的特征频率、调制特征频率及边频带，进而根据提取的特征频率成分判断滚动轴承是否存在故障以及故障类型。
-
公开(公告)号：CN108444709B
公开(公告)日：2020-11-27
申请号：CN201810349861.9
申请日：2018-04-18
Applicant: 北京信息科技大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明涉及一种VMD与FastICA相结合的滚动轴承故障诊断方法，其步骤：利用现有数据采集设备采集滚动轴承的原始振动信号；将采集到的滚动轴承原始振动信号进行VMD分解；原始振动信号经VMD后分解为k个模态分量，以连续的3个模态分量为一序列组合进行FastICA分析，得到重构故障信号；对重构故障信号进行Hilbert变换，得到重构故障信号的包络谱，在所得包络谱中提取各故障特征下的特征频率、调制特征频率及边频带，进而根据提取的特征频率成分判断滚动轴承是否存在故障以及故障类型。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
