-
公开(公告)号：CN115638065A
公开(公告)日：2023-01-24
申请号：CN202211287297.5
申请日：2022-10-20
Applicant: 哈尔滨工程大学
IPC: F02M65/00 , G06F30/20 , G06F119/14
Abstract: 本发明的目的在于提供新型高压共轨系统喷油器性能在线实时观测与健康状态评估方法，包括如下步骤：根据燃油系统流动过程，建立基于瞬时共轨压力的喷油规律非线性数学模型；构建状态空间模型，并进行离散化；基于卡尔曼滤波的最优估计方法；喷油量在线实时观测。本发明建立了全工况的非线性状态空间模型，同时针对工程应用中传感器噪声、不确定性干扰等问题，将测量噪声和模型不确定性到模型中，提出了基于非线性模型的扩展卡尔曼滤波方法，实现喷油规律在线实时观测方法；并基于观测的喷油规律，本发明提出了喷油器性能的在线健康状态评估方法，实现了喷油器的喷油规律观测及其健康状态评估的一体化。
-
公开(公告)号：CN119026330A
公开(公告)日：2024-11-26
申请号：CN202411036873.8
申请日：2024-07-31
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , F02B77/08 , F02B75/18 , G06F18/10 , G06F111/10
Abstract: 本发明公开了一种基于EKF(extended Kalman filter，扩展卡尔曼滤波)的多缸发动机瞬时转速实时观测方法，属于多缸发动机状态监测领域，本发明根据多缸发动机曲轴瞬时转速特性，引入了三个状态变量，提出了一种新的非线性状态空间模型。同时针对工程应用中传感器噪声、不确定性干扰等问题，将测量噪声和模型不确定性考虑到模型中，基于非线性模型的扩展卡尔曼滤波方法，利用测量转速与估计转速之间的差异进行实时反馈和滚动优化，从而实时准确地估计发动机的瞬时速度，实现发动机瞬时转速的在线实时观测。
-
公开(公告)号：CN116659877A
公开(公告)日：2023-08-29
申请号：CN202310452081.8
申请日：2023-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于互补集合经验模态分解的柴油机气阀间隙状态分析与故障诊断方法，属于柴油机故障诊断技术领域。针对现有故障诊断方法无法识别柴油机气阀间隙异常故障的问题，本发明设计了一种“信号预处理‑特征参数提取‑状态分析‑故障诊断”的柴油机气阀状态分析与故障诊断方法。该方法首先对缸盖振动信号进行去趋势项、重采样等预处理，然后基于互补集合经验模态分解提取振动信号的总能量熵、重心频率和总功率谱熵三个特征参数，并应用支持向量机分类方法进行气阀间隙状态分析以及故障类型的判断，可以快速、准确的判断柴油机配气机构气阀间隙是否异常并准确判断气阀间隙故障类型。
-
公开(公告)号：CN119223624A
公开(公告)日：2024-12-31
申请号：CN202411588842.3
申请日：2024-11-08
Applicant: 哈尔滨工程大学
IPC: G01M13/028 , G06F18/213 , G06F18/22
Abstract: 本发明的目的在于提供基于FSC和EMD的齿轮多故障信号解耦及特征提取方法，属于齿轮故障诊断领域，首先采集振动信号，然后计算各故障部件的冲击频率，再对原始振动信号获取故障信号的冲击频率与自振频率对应关系，从而确定各部件振动激励对应的自振频率。然后将原始信号分解为多个IMF分量，进行频谱分析并识别频谱包络峰值，确定各IMF分量的自振频率。通过对比IMF自振频率与各部件自振频率，确定反映不同部件故障信息的IMF分量，实现多故障信息的振动信号解耦。最后计算解耦后各部件故障信号的特征参数，完成故障特征提取。本发明具有较高的故障识别精度，并且能够准确获取故障部件的频率信息。
-
公开(公告)号：CN119803917A
公开(公告)日：2025-04-11
申请号：CN202510061987.6
申请日：2025-01-15
Applicant: 哈尔滨工程大学
IPC: G01M13/021 , G06F18/2433 , G06F18/213 , G01M13/028
Abstract: 本发明的目的在于提供基于周期字典稀疏表示的齿轮箱耦合故障诊断方法，属于齿轮故障诊断领域。包括如下步骤：获取齿轮箱耦合故障信号；计算各部件故障冲击频率；计算包络谱；选取故障部件；构建周期字典；基于稀疏表示解耦故障信号；提取故障特征；确认各部件故障类型。本发明基于包络谱和部件特性来判断齿轮箱各部件是否发生故障，并依次对不同的故障部件进行信号解耦，避免了在解耦过程中产生虚假分量或模态混叠的现象。本发明基于故障部件周期特性的周期字典，提高了稀疏表示对故障脉冲的识别能力，使得重构信号能够准确还原对应故障部件的故障特征。本发明具有较高的特征提取和故障诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN119533932A
公开(公告)日：2025-02-28
申请号：CN202411588844.2
申请日：2024-11-08
Applicant: 哈尔滨工程大学
IPC: G01M13/028 , G06F18/2131
Abstract: 本发明的目的在于提供一种基于改进谱峭度分析的齿轮故障特征提取方法，属于齿轮故障诊断领域。包含冲击成分分析‑频段权重设定‑提取故障特征三个部分，首先对给定窗函数内的振动信号进行短时傅里叶变换，对于不同频段计算各自的谱峭度；对振动信号进行时域平均处理，得到齿轮转频相关信号，计算其功率谱以及功率谱中不同频段的能量占比并依此设定对应频段谱峭度的权重值,汇总形成加权谱峭度图；最终采用Hilbert变换进行包络谱分析，提取故障特征，确定齿轮故障发生的位置。本发明减小了干扰信号对故障冲击频段选取带来的影响，从而提高了故障特征提取的准确性，适用于早期故障状态下的特征提取与故障位置判断。
-
公开(公告)号：CN115638065B
公开(公告)日：2024-07-23
申请号：CN202211287297.5
申请日：2022-10-20
Applicant: 哈尔滨工程大学
IPC: F02M65/00 , G06F30/20 , G06F119/14
Abstract: 本发明的目的在于提供新型高压共轨系统喷油器性能在线实时观测与健康状态评估方法，包括如下步骤：根据燃油系统流动过程，建立基于瞬时共轨压力的喷油规律非线性数学模型；构建状态空间模型，并进行离散化；基于卡尔曼滤波的最优估计方法；喷油量在线实时观测。本发明建立了全工况的非线性状态空间模型，同时针对工程应用中传感器噪声、不确定性干扰等问题，将测量噪声和模型不确定性到模型中，提出了基于非线性模型的扩展卡尔曼滤波方法，实现喷油规律在线实时观测方法；并基于观测的喷油规律，本发明提出了喷油器性能的在线健康状态评估方法，实现了喷油器的喷油规律观测及其健康状态评估的一体化。
-
公开(公告)号：CN119848737A
公开(公告)日：2025-04-18
申请号：CN202510061983.8
申请日：2025-01-15
Applicant: 哈尔滨工程大学
IPC: G06F18/2433 , G01M15/00 , G06F18/22 , G06F18/213 , G06F18/10 , G06F17/16 , G06F18/2131 , G06F17/11
Abstract: 本发明的目的在于提供基于DREKF的发动机气门间隙异常故障的实时在线诊断方法，属于发动机诊断领域。包括如下步骤：实时获取发动机缸盖振动信号，建立、简化缸盖振动信号数学模型并确定待定参数；选取合适的状态变量以构建缸盖振动信号状态空间方程，并验证其可观性；设计双速率扩展卡尔曼滤波最优估计方法，并将振动信号输入到DREKF中，得到缸盖振动信号估计值；同时计算得到基于DREKF估计振动信号的过程导数与导数阈值，并根据气门间隙状态判定准测，实现对该发动机的气门间隙在线实时故障诊断。本发明建立了一种新的发动机缸盖振动信号非线性状态空间模型，适用于不同转速、不同负载下的发动机缸盖振动信号观测，实现了气门间隙状态的在线实时诊断。
-
公开(公告)号：CN115979640A
公开(公告)日：2023-04-18
申请号：CN202310169678.1
申请日：2023-02-27
Applicant: 哈尔滨工程大学
IPC: G01M13/028 , G06F18/24 , G06F18/23213 , G06F17/16 , G06F18/213
Abstract: 本发明的目的在于提供基于全极点模型和K‑means方法的齿轮故障诊断方法，包括建立齿轮箱系统振动信号全极点模型、基于K‑means的故障特征参数提取和齿轮故障在线诊断流程，其中建立齿轮箱系统振动信号全极点模型包括全极点模型、模型参数辨识、模型阶数确定和求取模型极点等。本发明将正常、断齿与磨损三种状态下的极点s1聚集成若干簇，并识别出每个簇的中心点Ci以及距离阈值Ri作为故障特征参数。基于故障特征参数中心点Ci以及距离阈值Ri，建立齿轮故障诊断流程，利用极点位置与中心点Ci的距离以及Ri判断是否属于某簇，从而实现齿轮健康、断齿、磨损三种状态的故障诊断。
-
公开(公告)号：CN115791159A
公开(公告)日：2023-03-14
申请号：CN202211669935.X
申请日：2022-12-25
Applicant: 哈尔滨工程大学
IPC: G01M13/021 , G06F18/214 , G06F18/2411 , G01M13/028
Abstract: 本发明的目的在于提供一种基于振动信号的齿轮故障在线实时诊断方法，包括如下步骤：齿轮系统健康监测，故障类型判断，故障位置判断。针对齿轮断齿、磨损等典型故障，本发明基于齿轮箱体的振动信号，可以实现齿轮传动系统的健康状态在线监测，进而进行故障类型诊断及发生位置确定。本发明提取振动信号的峭度KT作为健康监测特征参数，基于KT的正态分布特点，应用3σ准则对参数的阈值进行了优化。基于EEMD分解提取了IMF分量的能量占比pf和总能量熵HEN作为故障类型判断的特征参数，该特征参数随工况变化很小。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
