公开(公告)号：CN117906957A

公开(公告)日：2024-04-19

申请号：CN202410020185.6

申请日：2024-01-07

Applicant: 北京工业大学

Inventor： 赵德尊 ,  王洪浩 ,  崔玲丽

IPC: G01M13/045 ,  G06F18/213

Abstract: 本发明公开了一种基于二阶Chirplet提取变换的轴承复合故障诊断方法，包括：S1、采集轴承信号并同步测量转速信号；S2、将速度同步线性Chirplet变换中的一阶速度同步基频扩展为二阶速度同步基频；S3、基于上述二阶速度同步基频，构建二阶速度同步Chirplet变换处理轴承振动信号获得相应的时频能量分布结果；S4、根据上述时频能量分布结果构建局部最大提取算子；S5、利用局部最大提取算子，得到二阶Chirplet提取变换的时频能量分布结果；S6、根据轴承几何参数和转频计算理论故障特征频率，然后基于理论故障特征频率和上述实际故障特征频率判断故障类别。该方法提高了时频聚集性，准确提取轴承复合故障特征进而识别故障类型，适用故障诊断领域中的变转速滚动轴承振动信号分析。

公开(公告)号：CN117390554A

公开(公告)日：2024-01-12

申请号：CN202311384257.7

申请日：2023-10-24

Applicant: 北京工业大学

Inventor： 崔玲丽 ,  董治麟 ,  赵德尊 ,  刘东东

IPC: G06F18/243 ,  G01M13/045 ,  G06F18/214

Abstract: 本发明公开了一种基于TARTDN的多级智能轴承故障诊断方法，该方法的实施步骤如下：首先，安装传感器采集不同故障位置的轴承振动信号；其次，基于三重注意力机制与残差的思想，搭建三重注意力增强的残差网络；再次，结合树决策层架构，搭建成最终的三重注意力增强的残差树决策网络；最后，将已知状态轴承故障诊断样本输入到已建立的三重注意力增强的残差树决策网络中进行训练，将未知状态测试轴承故障诊断样本输入到已训练的三重注意力增强的残差树决策网络中进行故障状态信息的判别。本发明所提出的方法在不平衡的轴承数据集上具有更高的识别率、更优越的分层分类推理能力和更稳定的泛化能力。