公开(公告)号：CN105509965A

公开(公告)日：2016-04-20

申请号：CN201510835987.3

申请日：2015-11-26

Applicant: 江南大学

Inventor： 王葵葵 ,  李可 ,  刘义亚 ,  陈鹏 ,  王庆华 ,  薛红涛

IPC: G01M1/16

CPC classification number: G01M1/16

Abstract: 本发明公开了一种针对旋转机械构造异常为不平衡的特征参量模型，属于机械故障诊断学领域，主要解决在旋转机械发生故障的早期阶段检测故障和区分故障类型的问题。该特征参量模型通过分析旋转机械构造异常为不平衡状态下低频处的频谱特征来构建相关的特征参数，以此来反映该状态下的振动特性，利用分辨指数(DI)来评价该特征参量模型的适用性及分辨灵敏度，解决了传统的特征参量无法确定故障类型的问题。

公开(公告)号：CN105528637B

公开(公告)日：2018-06-22

申请号：CN201510836062.0

申请日：2015-11-26

Applicant: 江南大学

Inventor： 李可 ,  刘义亚 ,  赵宇 ,  陈鹏 ,  王华庆

IPC: G06N3/08

Abstract: 本发明涉及一种基于线性内插型模糊神经网络的诊断方法。具体包括以下步骤：采用可能性理论和Dempster & Shafer证据理论信息融合得出神经网络的学习知识来训练BP神经网络。将sigmoid激活函数线性化，预测设备故障状态的可能性来判断设备处于哪种故障状态。该方法有效解决了模糊特征参量与设备故障类型之间的关系。