公开(公告)号：CN111579243A

公开(公告)日：2020-08-25

申请号：CN202010554601.2

申请日：2020-06-17

Applicant: 大连理工大学

Inventor： 黄刚劲 ,  李宏坤 ,  欧佳玉 ,  张元良

IPC: G01M13/04 ,  G01D21/02 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于深度迁移学习的滚动轴承智能诊断系统，包括智能感知模块、通信模块和智能运维模块；智能感知模块多链路采集滚动轴承运行参数信息通过英伟达TX2进行预处理，预处理后的数据通过通信模块传输到智能运维模块中进行智能诊断与运维管理。智能运维模块中的故障识别与剩余寿命预测组件对滚动轴承的实时运作状态进行诊断与剩余使用寿命预测；根据状态识别与预测结果，运维管理组件对设备的作业调度、设备资源和备件储存进行优化管理。本发明可实时监控滚动轴承运行状态，为企业提供设备智能的运维与管理决策，提高设备的运行效率，实现企业利益最大化。

公开(公告)号：CN111579243B

公开(公告)日：2021-04-20

申请号：CN202010554601.2

申请日：2020-06-17

Applicant: 大连理工大学

Inventor： 黄刚劲 ,  李宏坤 ,  欧佳玉 ,  张元良

IPC: G01M13/04 ,  G01M13/045 ,  G01D21/02 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于深度迁移学习的滚动轴承智能诊断系统，包括智能感知模块、通信模块和智能运维模块；智能感知模块多链路采集滚动轴承运行参数信息通过英伟达TX2进行预处理，预处理后的数据通过通信模块传输到智能运维模块中进行智能诊断与运维管理。智能运维模块中的故障识别与剩余寿命预测组件对滚动轴承的实时运作状态进行诊断与剩余使用寿命预测；根据状态识别与预测结果，运维管理组件对设备的作业调度、设备资源和备件储存进行优化管理。本发明可实时监控滚动轴承运行状态，为企业提供设备智能的运维与管理决策，提高设备的运行效率，实现企业利益最大化。

公开(公告)号：CN111737911A

公开(公告)日：2020-10-02

申请号：CN202010542440.5

申请日：2020-06-15

Applicant: 大连理工大学

Inventor： 许雨晨 ,  李宏坤 ,  马跃 ,  黄刚劲 ,  张明亮

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明属于机械设备可靠性评估技术领域，提出一种深度置信网络与极限学习机的轴承衰退趋势预测方法。在构建指标部分，首先从轴承振动信号中提取原始特征。分别从时域、时频域以及三角函数的角度，选取能够表征轴承运行状态的特征，构建多域特征集。然后建立深度置信网络，通过对特征集进行无监督学习，将多域特征融合，得到健康指标；在退化趋势预测部分，首先将健康指标进行归一化处理，然后根据健康指标对轴承的运行状态划分阶段，最后使用极限学习机预测模型，对轴承不同衰退阶段进行趋势预测。本发明提出的轴承退化趋势预测方法，预测精度较高，并且模型训练用时较少。

公开(公告)号：CN111737911B

公开(公告)日：2022-09-27

申请号：CN202010542440.5

申请日：2020-06-15

Applicant: 大连理工大学

Inventor： 许雨晨 ,  李宏坤 ,  马跃 ,  黄刚劲 ,  张明亮

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明属于机械设备可靠性评估技术领域，提出一种深度置信网络与极限学习机的轴承衰退趋势预测方法。在构建指标部分，首先从轴承振动信号中提取原始特征。分别从时域、时频域以及三角函数的角度，选取能够表征轴承运行状态的特征，构建多域特征集。然后建立深度置信网络，通过对特征集进行无监督学习，将多域特征融合，得到健康指标；在退化趋势预测部分，首先将健康指标进行归一化处理，然后根据健康指标对轴承的运行状态划分阶段，最后使用极限学习机预测模型，对轴承不同衰退阶段进行趋势预测。本发明提出的轴承退化趋势预测方法，预测精度较高，并且模型训练用时较少。