-
公开(公告)号：CN118111701A
公开(公告)日：2024-05-31
申请号：CN202410234180.3
申请日：2024-03-01
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种齿轮箱振动信号中随机脉冲干扰检测和抑制方法，包括基于长短时间窗特征比算法的随机脉冲干扰边界检测方法和基于中值滤波算法的随机脉冲干扰抑制方法；采用方差特征描述齿轮箱振动信号有效信息与随机脉冲干扰的数据分布差异性，基于长短时间窗特征比算法和检测阈值自适应动态确定方法对随机脉冲干扰边界进行检测；进一步，基于中值滤波器长度参数的确定准则和中值滤波算法对检测到的随机脉冲干扰进行抑制，并获得随机脉冲干扰中包含的有效信息；最终将提取的有效信息对原始振动信号进行重构，消除了随机脉冲干扰。本发明能够有效提高以预警参数为主导的工业设备健康状态监测准确性。
-
Patent Agency Ranking
公开(公告)号：CN114942133B
公开(公告)日：2023-04-14
申请号：CN202210548982.2
申请日：2022-05-20
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028 , G06F17/16 , G06F18/23213
Abstract: 本发明提供一种基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法。首先，采集行星齿轮箱故障振动信号，并计算振动信号的STFT谱；然后，将原始振动信号频谱作为K‑means聚类输入，获得聚类质量指标(pkmcq)为纵坐标，聚类数目k为横坐标的曲线图；其次，选择k‑pkmcq曲线中首个拐点对应的k值作为非负矩阵分解的最优秩对振动信号的STFT谱进行分解，得到包含原始信号频谱特征的基矩阵W；接着，选择基矩阵W中峭度值最大的基向量作为最佳基向量对原始信号进行滤波，得到滤波信号；最后，对滤波信号进行包络解调，从包络谱中提取特征频率，识别齿轮箱故障类型。本发明能够准确诊断行星齿轮箱早期微弱故障。
-
公开(公告)号：CN114894468B
公开(公告)日：2023-01-03
申请号：CN202210358859.4
申请日：2022-04-07
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种基于混沌检测的行星齿轮箱早期微弱故障诊断方法，包括AO‑VMD算法和双耦合Duffing振子正反向检测方法，AO‑VMD基于余弦相似度加权峭度自适应搜寻最佳惩罚因子和模态数；基于灰色关联度选择AO‑VMD分解后的最佳模态分量；将最佳分量输入双耦合Duffing方程中进行逆向检测，判断行星齿轮箱是否故障；将最佳分量经Hilbert变换和标准化处理后输入双耦合Duffing方程中进行正向检测，确定故障齿轮；依据基于标准差加权平均欧式距离进行Duffing振子相态转变的判断，以辅助准确诊断行星齿轮箱早期微弱故障。本发明能够准确诊断出行星齿轮箱早期微弱故障。
-
公开(公告)号：CN115791155A
公开(公告)日：2023-03-14
申请号：CN202211514519.2
申请日：2022-11-29
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028 , G01P3/00 , G06F18/213 , G06F18/10
Abstract: 本发明提供一种基于短时傅里叶变换谱图的齿轮箱瞬时转速估计方法。首先，采集齿轮箱输入轴上方的振动信号，并计算信号的短时傅里叶变换谱图；然后，将振动信号时频谱图作为输入，利用传统极大值追踪算法跟踪谱图中的齿轮啮合分量的瞬时频率脊线，获得估计的啮合分量瞬时频率；其次，构造信号时频谱图的权重因子，限定齿轮k阶啮合谐波瞬时频率的估计范围；接着，利用改进极大值追踪算法跟踪齿轮k阶啮合谐波，获得估计的啮合谐波瞬时频率；最后，依据齿轮参数，将估计的啮合谐波瞬时频率等效至齿轮箱输入轴的瞬时频率。本发明能够在无转速计条件下精确估计齿轮箱的瞬时转速。
-
公开(公告)号：CN114942133A
公开(公告)日：2022-08-26
申请号：CN202210548982.2
申请日：2022-05-20
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028 , G06F17/16 , G06K9/62
Abstract: 本发明提供一种基于最优秩非负矩阵分解的行星齿轮箱早期故障诊断方法。首先，采集行星齿轮箱故障振动信号，并计算振动信号的STFT谱；然后，将原始振动信号频谱作为K‑means聚类输入，获得聚类质量指标(pkmcq)为纵坐标，聚类数目k为横坐标的曲线图；其次，选择k‑pkmcq曲线中首个拐点对应的k值作为非负矩阵分解的最优秩对振动信号的STFT谱进行分解，得到包含原始信号频谱特征的基矩阵W；接着，选择基矩阵W中峭度值最大的基向量作为最佳基向量对原始信号进行滤波，得到滤波信号；最后，对滤波信号进行包络解调，从包络谱中提取特征频率，识别齿轮箱故障类型。本发明能够准确诊断行星齿轮箱早期微弱故障。
-
公开(公告)号：CN114894468A
公开(公告)日：2022-08-12
申请号：CN202210358859.4
申请日：2022-04-07
Applicant: 大连理工大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种基于混沌检测的行星齿轮箱早期微弱故障诊断方法，包括AO‑VMD算法和双耦合Duffing振子正反向检测方法，AO‑VMD基于余弦相似度加权峭度自适应搜寻最佳惩罚因子和模态数；基于灰色关联度选择AO‑VMD分解后的最佳模态分量；将最佳分量输入双耦合Duffing方程中进行逆向检测，判断行星齿轮箱是否故障；将最佳分量经Hilbert变换和标准化处理后输入双耦合Duffing方程中进行正向检测，确定故障齿轮；依据基于标准差加权平均欧式距离进行Duffing振子相态转变的判断，以辅助准确诊断行星齿轮箱早期微弱故障。本发明能够准确诊断出行星齿轮箱早期微弱故障。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
