一种基于机器学习的齿轮箱故障识别预测方法

    公开(公告)号:CN119106591A

    公开(公告)日:2024-12-10

    申请号:CN202411588938.X

    申请日:2024-11-08

    Abstract: 本发明提供了一种基于机器学习的齿轮箱故障识别预测方法,涉及齿轮故障检测领域。该方法包括:获取齿轮的规格数据、正常作业下的工况数据,对齿轮进行有限元仿真,同时使用摄像模组对齿轮齿根的应力集中部位进行追踪拍摄,获取齿轮齿根应力集中部位n个时间节点的n帧图像;导入边界计算策略中确定n帧图像中齿轮齿根应力集中部位的轮廓边界;导入平整度计算策略中,计算n帧图像中应力集中部位的平整度;将平整度与时间节点同步混合,得到齿轮齿根应力集中部位的平整度时序特征,输入机器学习模型中预测未来时间节点齿轮齿根应力集中部位的平整度,对平整度大于平整度阈值的时间节点进行预警。提高管理人员工作效率,有助于系统故障的解决。

    一种基于机器学习的齿轮箱故障识别预测方法

    公开(公告)号:CN119106591B

    公开(公告)日:2025-01-24

    申请号:CN202411588938.X

    申请日:2024-11-08

    Abstract: 本发明提供了一种基于机器学习的齿轮箱故障识别预测方法,涉及齿轮故障检测领域。该方法包括:获取齿轮的规格数据、正常作业下的工况数据,对齿轮进行有限元仿真,同时使用摄像模组对齿轮齿根的应力集中部位进行追踪拍摄,获取齿轮齿根应力集中部位n个时间节点的n帧图像;导入边界计算策略中确定n帧图像中齿轮齿根应力集中部位的轮廓边界;导入平整度计算策略中,计算n帧图像中应力集中部位的平整度;将平整度与时间节点同步混合,得到齿轮齿根应力集中部位的平整度时序特征,输入机器学习模型中预测未来时间节点齿轮齿根应力集中部位的平整度,对平整度大于平整度阈值的时间节点进行预警。提高管理人员工作效率,有助于系统故障的解决。

    基于多应力耦合的PEM电解槽加速应力测试系统及方法

    公开(公告)号:CN118936955B

    公开(公告)日:2024-12-13

    申请号:CN202411436024.1

    申请日:2024-10-15

    Abstract: 本发明公开了基于多应力耦合的PEM电解槽加速应力测试系统及方法,涉及电解槽加速测试技术领域,该方法的步骤包括:在测试开始前得到初始性能和初始质子膜安全状态;结合质子膜表面形变和电解槽氢气生产效率,实时监测质子膜安全状态;设置自适应应力施加算法,根据所述质子膜安全状态实时调整应力变化的步长和驻留时间;建立寿命预测模型,统计不同应力条件下的性能退化趋势,并通过性能退化趋势,训练寿命预测模型,评估不同应力条件下的PEM电解槽使用寿命。本发明解决了在PEM电解槽加速测试中,质子膜安全状态对测试成本造成的影响,以及实现了氢气生产效率骤降时的测试响应。

    基于多应力耦合的PEM电解槽加速应力测试系统及方法

    公开(公告)号:CN118936955A

    公开(公告)日:2024-11-12

    申请号:CN202411436024.1

    申请日:2024-10-15

    Abstract: 本发明公开了基于多应力耦合的PEM电解槽加速应力测试系统及方法,涉及电解槽加速测试技术领域,该方法的步骤包括:在测试开始前得到初始性能和初始质子膜安全状态;结合质子膜表面形变和电解槽氢气生产效率,实时监测质子膜安全状态;设置自适应应力施加算法,根据所述质子膜安全状态实时调整应力变化的步长和驻留时间;建立寿命预测模型,统计不同应力条件下的性能退化趋势,并通过性能退化趋势,训练寿命预测模型,评估不同应力条件下的PEM电解槽使用寿命。本发明解决了在PEM电解槽加速测试中,质子膜安全状态对测试成本造成的影响,以及实现了氢气生产效率骤降时的测试响应。

Patent Agency Ranking