-
Patent Agency Ranking
公开(公告)号：CN103439110A
公开(公告)日：2013-12-11
申请号：CN201310328699.X
申请日：2013-07-31
Applicant: 哈尔滨工程大学
IPC: G01M13/04
Abstract: 本发明的目的在于提供滚动轴承早期微弱故障诊断方法，包括下列步骤：在基座、机壳的驱动端和输出端上分别安装加速度传感器，采集各加速度传感器振动加速度信号，得到振动加速度信号z矩阵；采用独立分量分析对振动加速度信号进行预处理，实现振动加速度信号的分离；选取包含故障特征信息的分离信号；采用自适应提升形态小波变换对被选取的分离信号进行故障信号特征精确提取；用Pwelch方法做出功率谱图，观察功率谱图是否存在故障特征频率或其倍频处存在明显的峰值，进而判断滚动轴承是否发生早期微弱故障。本发明具有良好的细节保留和抗噪性能，即抑制了噪声又充分突出了故障信号的冲击特征，具有更好的早期微弱故障特征提取效果和计算效率。
-
公开(公告)号：CN103439110B
公开(公告)日：2015-12-09
申请号：CN201310328699.X
申请日：2013-07-31
Applicant: 哈尔滨工程大学
IPC: G01M13/04
Abstract: 本发明的目的在于提供滚动轴承早期微弱故障诊断方法，包括下列步骤：在基座、机壳的驱动端和输出端上分别安装加速度传感器，采集各加速度传感器振动加速度信号，得到振动加速度信号z矩阵；采用独立分量分析对振动加速度信号进行预处理，实现振动加速度信号的分离；选取包含故障特征信息的分离信号；采用自适应提升形态小波变换对被选取的分离信号进行故障信号特征精确提取；用Pwelch方法做出功率谱图，观察功率谱图是否存在故障特征频率或其倍频处存在明显的峰值，进而判断滚动轴承是否发生早期微弱故障。本发明具有良好的细节保留和抗噪性能，即抑制了噪声又充分突出了故障信号的冲击特征，具有更好的早期微弱故障特征提取效果和计算效率。
-
公开(公告)号：CN103471708B
公开(公告)日：2015-03-11
申请号：CN201310364155.9
申请日：2013-08-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于改进粒子群的非线性ICA分析的旋转机械故障诊断方法。1）测取旋转机械振动加速度测试信号；2）进行中心化和白化处理；3）计算粒子初始位置处的评价函数；4）计算每个粒子更新位置的优化目标函数；5）根据限制条件更新局部最优值和全局最优值；6）计算更新粒子速度矢量，计算更新粒子位置矢量；7）判断是否达到最大迭代次数或适应度函数是否大于最大值，若是则执行步骤8)，否则转为步骤4)；8）对振动加速度测试信号进行非线性ICA分离处理；9）选取包含故障信息的分离信号，并作出频谱图；10）观察频谱图是否在故障特征频率或其倍频处存在明显峰值，进而判断旋转机械是否发生故障。本发明收敛速度快，独立性好，鲁棒性好。
-
公开(公告)号：CN103471848A
公开(公告)日：2013-12-25
申请号：CN201310364154.4
申请日：2013-08-20
Applicant: 哈尔滨工程大学
IPC: G01M13/04
Abstract: 本发明提供的是一种基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法。利用加速度传感器获取滚动轴承振动加速度测试信号；采用基于负熵最大化的FastICA对振动加速度测试信号进行解耦分离；从中选取最能表征故障特征信息的分离信号；对被选取分离信号进行倒频谱分析，并作出倒频谱图；观察倒频谱图是否存在故障特征频率或其倍频处存在明显的峰值，进而判断滚动轴承是否发生故障。本发明可将滚动轴承故障信号的特征信息从复杂的边频带信号中有效的识别出来；并能方便的提取出边频带中的故障周期性成分，故障信息明显增强，故障诊断精度大大调高，缩短了故障诊断的时间周期，简化了频谱分析的难度，易于实现，实时性好。
-
公开(公告)号：CN103471708A
公开(公告)日：2013-12-25
申请号：CN201310364155.9
申请日：2013-08-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于改进粒子群的非线性ICA分析的旋转机械故障诊断方法。1）测取旋转机械振动加速度测试信号；2）进行中心化和白化处理；3）计算粒子初始位置处的评价函数；4）计算每个粒子更新位置的优化目标函数；5）根据限制条件更新局部最优值和全局最优值；6）计算更新粒子速度矢量，计算更新粒子位置矢量；7）判断是否达到最大迭代次数或适应度函数是否大于最大值，若是则执行步骤8)，否则转为步骤4)；8）对振动加速度测试信号进行非线性ICA分离处理；9）选取包含故障信息的分离信号，并作出频谱图；10）观察频谱图是否在故障特征频率或其倍频处存在明显峰值，进而判断旋转机械是否发生故障。本发明收敛速度快，独立性好，鲁棒性好。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
