公开(公告)号：CN114046993A

公开(公告)日：2022-02-15

申请号：CN202111217266.8

申请日：2021-10-19

Applicant: 南京工业大学 ,  索特传动设备有限公司

Inventor： 王华 ,  姜烨飞 ,  乾钦荣 ,  傅航 ,  张磊

IPC: G01M13/04 ,  G01M13/045 ,  G06K9/62

Abstract: 本发明提供了一种基于多特征参数融合与FCM‑HMM的回转支承状态评估方法，包括如下步骤：对多物理信号进行预处理，采用强化局部均值分解对原始信号降噪；提取信号时域、频域、时频域多领域特征；为避免特征冗余或重叠对后续评估过程的干扰，提出综合评价指标筛选优胜特征；基于等距离映射算法构建多物理信号健康指标，有效表征回转支承的性能退化趋势；结合模糊C均值与隐马尔科夫模型，识别回转支承退化状态转移过程，确定回转支承早期故障点及失效预警点。本方法采用回转支承全寿命加速试验数据进行模型验证，有效划分回转支承退化状态。

公开(公告)号：CN116740523A

公开(公告)日：2023-09-12

申请号：CN202310909707.3

申请日：2023-07-24

Applicant: 索特传动设备有限公司 ,  南京工业大学

Inventor： 傅航 ,  姜烨飞 ,  程遥辉 ,  王华

IPC: G06V10/80 ,  G06F18/25 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/06 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公布了一种基于图像多层次融合卷积的回转支承故障诊断方法，包括：获取各种故障类型的回转支承振动信号，分别将每种类型的振动信号切分为多段振动信号，贴上相应标签；将振动信号进行模态分解，筛选分解后的固有模态函数重构振动信号；分别将原始振动信号和重构振动信号转换成两类图像，构建图像样本集，按照一定比例划分为训练集、验证集和测试集，对图像数据进行标准化；构建多层次融合卷积模型，实现故障的智能诊断。本发明能够提取时间序列数据的关键信息，同时能够避免微弱故障细节特征的丢失，实现精准识别回转支承故障状态，从而有效维护设备的安全运行。

公开(公告)号：CN117744495A

公开(公告)日：2024-03-22

申请号：CN202311807644.7

申请日：2023-12-26

Applicant: 南京工业大学

Inventor： 王华 ,  邵逸禹 ,  姜烨飞 ,  王天祥

IPC: G06F30/27 ,  G06F18/21 ,  G06N3/045 ,  G06N3/0442 ,  G06F111/04 ,  G06F111/10 ,  G06F119/02 ,  G06F119/12 ,  G06F123/02

Abstract: 本发明公布了一种不同退化阶段下多模型驱动的特大型轴承寿命预测方法，包括如下步骤：(1)对特大型轴承全寿命振动加速度数据进行信号分解，根据各个分量的相关性，选择合适分量进行融合并获取性能衰退指标；(2)计算性能衰退指标的梯度，根据梯度和衰退指标数值的阈值，划分退化阶段；(3)选用深度学习中适合时间序列预测的双向门控循环单元网络，构建特大型轴承的第一个预测模型，载荷‑寿命模型为第二个预测模型，二者相结合构成第三个预测模型；(4)在前3步的基础上制定合适的模型使用和更新策略，对不同退化时间进行寿命预测。本发明结合了传感器监测信号数据和特大型轴承自身机理，模型的鲁棒性和泛化能力较强，具有一定应用价值。