公开(公告)号：CN119066478A

公开(公告)日：2024-12-03

申请号：CN202410757732.9

申请日：2024-06-13

Applicant: 安徽工业大学

Inventor： 孟瑞 ,  陈铭 ,  刘子琛 ,  陈亮亮 ,  任雪晴 ,  沈天龙

IPC: G06F18/241 ,  G06F18/2131 ,  G06N3/0499 ,  G06N3/08 ,  G01M13/021 ,  G01M13/028 ,  G06F123/02

Abstract: 本发明公开了基于多尺度小波包能量熵‑ELM的齿轮故障信号识别方法，涉及齿轮故障诊断技术领域；该方法包括如下步骤：采集太阳轮在正常和不同断齿损伤程度故障状态下驱动端加速度的时间序列数据，对时间序列数据进行多尺度划分处理，将其分解成多个不同尺度的子信号；利用小波函数dmey分解子信号，对每个尺度的子信号进行信号重构；提取不同工况下的不同尺度的小波包能量熵，得到由不同尺度下的能量熵组成的特征向量，且分类标记；对ELM神经网络进行训练，识别齿轮的不同故障状态。本发明提出了多尺度能量熵的概念，能够更完备的提取原始信号的故障特征，且利用ELM神经网络进行故障诊断，提高了识别断齿损伤程度的齿轮故障诊断的能力。

公开(公告)号：CN117909847B

公开(公告)日：2024-09-27

申请号：CN202410088350.1

申请日：2024-01-22

Applicant: 安徽工业大学

Inventor： 孟瑞 ,  刘子琛 ,  陈铭 ,  陈亮亮 ,  任雪晴

IPC: G06F18/2411 ,  G01M13/021 ,  G01M13/028 ,  G06F18/15 ,  G06F18/2131 ,  G06N3/006

Abstract: 本发明属于齿轮故障诊断技术领域，公开了一种基于IHBA‑VMD‑SVM的齿轮裂纹损伤程度识别方法及系统，该方法包括：获取齿轮箱发生故障时产生的振动冲击信号，提取特征参数，进行归一化处理；基于改进的蜜獾优化算法优化VMD的参数，得到优化后的VMD算法的分解层数K和惩罚因子α的最佳取值；基于优化后的VMD算法，对归一化处理后的特征参数进行分解，筛选出包含故障特征的IMF分量；将包含故障特征的IMF分量输入到基于SVM构建的分类识别器中，进行齿轮裂纹损伤程度识别。本发明基于改进蜜獾(IHBA)优化的变分模态分解算法，得到VMD算法最优的分解层数K和惩罚因子α，之后通过支持向量机(SVM)进行分类，来准确识别不同载荷工况下的齿轮裂纹程度。

公开(公告)号：CN117909847A

公开(公告)日：2024-04-19

申请号：CN202410088350.1

申请日：2024-01-22

Applicant: 安徽工业大学

Inventor： 孟瑞 ,  刘子琛 ,  陈铭 ,  陈亮亮 ,  任雪晴

IPC: G06F18/2411 ,  G01M13/021 ,  G01M13/028 ,  G06F18/15 ,  G06F18/2131 ,  G06N3/006

Abstract: 本发明属于齿轮故障诊断技术领域，公开了一种基于IHBA‑VMD‑SVM的齿轮裂纹损伤程度识别方法及系统，该方法包括：获取齿轮箱发生故障时产生的振动冲击信号，提取特征参数，进行归一化处理；基于改进的蜜獾优化算法优化VMD的参数，得到优化后的VMD算法的分解层数K和惩罚因子α的最佳取值；基于优化后的VMD算法，对归一化处理后的特征参数进行分解，筛选出包含故障特征的IMF分量；将包含故障特征的IMF分量输入到基于SVM构建的分类识别器中，进行齿轮裂纹损伤程度识别。本发明基于改进蜜獾(IHBA)优化的变分模态分解算法，得到VMD算法最优的分解层数K和惩罚因子α，之后通过支持向量机(SVM)进行分类，来准确识别不同载荷工况下的齿轮裂纹程度。

公开(公告)号：CN116796387B

公开(公告)日：2024-03-26

申请号：CN202310724399.7

申请日：2023-06-16

Applicant: 安徽工业大学

Inventor： 孟瑞 ,  任雪晴 ,  陈亮亮 ,  高强 ,  陈旭辉 ,  辜继明 ,  谢能刚 ,  胡晓磊

IPC: G06F30/10 ,  G06F30/27 ,  G06N5/04 ,  G06F113/28 ,  G06F119/14

Abstract: 本发明公开了基于全信息自适应合作博弈理论的风力机翼型优化方法，涉及风力机叶片翼型优化设计技术领域，该方法包括：步骤1：基于parsec参数法在原始翼型上进行拟合，得到初始设计变量值，修改翼型的几何外形；步骤2：计算翼型的极惯性矩；步骤3：计算翼型年发电量；步骤4：建立翼型约束条件：对翼型厚度t进行约束，并保证优化后的翼型年发电量比原始翼型发电量高；基于初始设计变量值计算设计变量的上下限；步骤5：建立翼型的目标函数：基于步骤2，设置优化目标函数；步骤6：基于全信息自适应合作博弈方法，弈对设计变量和目标函数进行划分、收益函数计算、非劣解的筛选，得到pareto最优解集。本发明优化后的翼型具有良好的发电性能和颤振性能。

公开(公告)号：CN116796387A

公开(公告)日：2023-09-22

申请号：CN202310724399.7

申请日：2023-06-16

Applicant: 安徽工业大学

Inventor： 孟瑞 ,  任雪晴 ,  陈亮亮 ,  高强 ,  陈旭辉 ,  辜继明 ,  谢能刚 ,  胡晓磊

IPC: G06F30/10 ,  G06F30/27 ,  G06N5/04 ,  G06F113/28 ,  G06F119/14

Abstract: 本发明公开了基于全信息自适应合作博弈理论的风力机翼型优化方法，涉及风力机叶片翼型优化设计技术领域，该方法包括：步骤1：基于parsec参数法在原始翼型上进行拟合，得到初始设计变量值，修改翼型的几何外形；步骤2：计算翼型的极惯性矩；步骤3：计算翼型年发电量；步骤4：建立翼型约束条件：对翼型厚度t进行约束，并保证优化后的翼型年发电量比原始翼型发电量高；基于初始设计变量值计算设计变量的上下限；步骤5：建立翼型的目标函数：基于步骤2，设置优化目标函数；步骤6：基于全信息自适应合作博弈方法，弈对设计变量和目标函数进行划分、收益函数计算、非劣解的筛选，得到pareto最优解集。本发明优化后的翼型具有良好的发电性能和颤振性能。