-
公开(公告)号：CN109460567B
公开(公告)日：2021-02-09
申请号：CN201811109270.0
申请日：2018-09-21
Applicant: 华中科技大学
IPC: G06F30/20 , G06Q10/00 , G06F111/06 , G06F119/04
Abstract: 本发明属于设备维护相关技术领域，其公开了一种多部件设备的维护方法及系统，该方法包括以下步骤：(1)采集设备运行时各部件的状态监测数据及每次维护后的初始状态监测数据，并建立设备的运行及维护记录；(2)基于运行及维护记录分别建立设备的每个部件的随机退化模型及随机维护质量模型，并基于所有随机退化模型、随机维护质量模型及选取的优化指标来建立设备的维护优化模型；(3)基于维护优化模型求解出设备的最佳异常点阈值、最佳失效阈值和最佳监测间隔，继而依据最佳监测间隔对设备进行定期监测，同时依据最佳异常点阈值及最佳失效阈值对设备进行维护。本发明有效提高了设备运行经济性和设备使用寿命，适用性较强，灵活性较高。
-
公开(公告)号：CN109460567A
公开(公告)日：2019-03-12
申请号：CN201811109270.0
申请日：2018-09-21
Applicant: 华中科技大学
Abstract: 本发明属于设备维护相关技术领域，其公开了一种多部件设备的维护方法及系统，该方法包括以下步骤：(1)采集设备运行时各部件的状态监测数据及每次维护后的初始状态监测数据，并建立设备的运行及维护记录；(2)基于运行及维护记录分别建立设备的每个部件的随机退化模型及随机维护质量模型，并基于所有随机退化模型、随机维护质量模型及选取的优化指标来建立设备的维护优化模型；(3)基于维护优化模型求解出设备的最佳异常点阈值、最佳失效阈值和最佳监测间隔，继而依据最佳监测间隔对设备进行定期监测，同时依据最佳异常点阈值及最佳失效阈值对设备进行维护。本发明有效提高了设备运行经济性和设备使用寿命，适用性较强，灵活性较高。
-
公开(公告)号：CN110553839A
公开(公告)日：2019-12-10
申请号：CN201910794779.1
申请日：2019-08-27
Applicant: 华中科技大学
IPC: G01M13/028
Abstract: 本发明公开了一种齿轮箱的单一和复合故障诊断方法、设备及系统，属于机械设备状态监测和故障诊断领域。该诊断方法包括：(1)对齿轮箱进行振动信号采集；(2)将采集的振动信号划分为多个数据段，相邻两个数据段有重合数据，计算得到每个数据段对应的小波时频图像；(3)将小波时频图像划分为训练集和测试集，并归一化；(4)利用训练集训练多标签卷积神经网络；(5)利用测试集测试训练好的多标签卷积神经网络；(6)测试合格的多标签卷积神经网络作为故障诊断模型。本发明充分利用了小波变换优秀的特征提取能力和多标签卷积神经网络出色的模式识别能力以及对复合故障诊断问题的适用性，能够有效地实现齿轮箱的单一和复合故障诊断。
-
公开(公告)号：CN109489946A
公开(公告)日：2019-03-19
申请号：CN201811104967.9
申请日：2018-09-21
Applicant: 华中科技大学
CPC classification number: G01M13/00 , G06K9/00503 , G06K9/00523 , G06K9/00536 , G06K9/6259 , G06N3/0454 , G06N3/08
Abstract: 本发明属于机械设备状态监测与故障诊断相关技术领域，其公开了一种旋转机械的故障诊断方法及系统，该方法包括以下步骤：(1)采集到的待诊断旋转机械的振动信号划分为前后衔接的多个数据段，并计算得到每个数据段对应的小波时频图像；(2)对所有小波时频图像进行随机划分和归一化处理以得到训练集及测试集，并根据预定的测试指标来确定所述训练集中标记样本的个数；(3)依序使用所述训练集及所述测试集对预先建立的半监督生成对抗网络进行训练和测试，并采用训练好的所述半监督生成对抗网络对待诊断旋转机械进行故障诊断，且输出故障诊断结果。本发明提高了诊断准确率，极大地降低了人工成本，稳定性较好。
-
-
-
Search Results
4
records
(took 0.016 seconds)
