-
公开(公告)号：CN114858454A
公开(公告)日：2022-08-05
申请号：CN202210549554.1
申请日：2022-05-20
Applicant: 江苏科技大学
IPC: G01M13/045 , G01M13/021 , G01M13/028 , G06F17/16
Abstract: 本发明公开了一种基于盲源分离降噪及包络迭代特征加强的旋转机械故障诊断方法，包括：获取振动信号及转速信号；对振动信号进行盲源分离降噪；确定源振动信号的中心频率及带宽；设计带通滤波器，利用带通滤波器对源振动信号进行滤波；对滤波后的源信号进行平方包络解调迭代，同步进行低通滤波，获取到特征加强信号；根据转速信号对特征加强信号进行角度重采样，获得角度域的振动信号；对角度域的振动信号进行傅里叶变换得到阶次谱，对阶次谱进行分析以判断轴承所属故障。本发明适用于变工况非平稳振动信号的旋转机械故障诊断，整体上可有效提高变工况下的旋转机械故障诊断的稳定性及可靠性。
-
Patent Agency Ranking
公开(公告)号：CN114861728B
公开(公告)日：2024-08-06
申请号：CN202210535670.8
申请日：2022-05-17
Applicant: 江苏科技大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于嵌入式融合‑收缩堆栈降噪自编器特征的故障诊断方法，包括：对采集到的旋转机械振动信号进行预处理，形成时域信号、频域信号和时频号；通过FAE网络将时域信号、频域信号和时频信号进行融合获取到融合数据集；通过构建好的CSDAE网络对FAE网络融合的时频信号进行深度自编码；在F‑CSDAE网络的隐藏层中，加入原始融合信号，重新定义EF‑CSDAE网络隐藏层数据，并将EF‑CSDAE网络末端隐藏层输入softmax分类器完成故障识别。本发明在构建的F‑CSDAE的基础上，对其深度隐藏层嵌入FAE融合的信号，使EF‑CSDAE提取的特征具有更多的原始时域、频域信号信息，能够自适应融合多类信号特征，从而实现以高准确率完成故障诊断任务。
-
公开(公告)号：CN115374820A
公开(公告)日：2022-11-22
申请号：CN202211012581.1
申请日：2022-08-23
Applicant: 江苏科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明公开了一种基于多源子域适应网络的旋转机械跨域故障诊断方法，包括：获取故障轴承振动信号；对振动信号进行小波包变换；引入深度卷积生成对抗网络对目标域数据进行扩充；通过预训练的深度残差网络获取多源域的共享特征；应用多分支并联结构，使用局部最大均值差异对齐每个源域和目标域的子域；根据局部均值差异度量损失的大小设置加权模块；采取损失最小，距离最近的选取准则，实现多源域联合诊断。本发明适用于多工况样本少的旋转机械故障诊断，整体上可有效提高不同工况下的小样本轴承故障诊断的稳定性及可靠性。
-
公开(公告)号：CN114858454B
公开(公告)日：2025-03-28
申请号：CN202210549554.1
申请日：2022-05-20
Applicant: 江苏科技大学
IPC: G01M13/045 , G01M13/021 , G01M13/028 , G06F17/16
Abstract: 本发明公开了一种基于盲源分离降噪及包络迭代特征加强的旋转机械故障诊断方法，包括：获取振动信号及转速信号；对振动信号进行盲源分离降噪；确定源振动信号的中心频率及带宽；设计带通滤波器，利用带通滤波器对源振动信号进行滤波；对滤波后的源信号进行平方包络解调迭代，同步进行低通滤波，获取到特征加强信号；根据转速信号对特征加强信号进行角度重采样，获得角度域的振动信号；对角度域的振动信号进行傅里叶变换得到阶次谱，对阶次谱进行分析以判断轴承所属故障。本发明适用于变工况非平稳振动信号的旋转机械故障诊断，整体上可有效提高变工况下的旋转机械故障诊断的稳定性及可靠性。
-
公开(公告)号：CN115374856A
公开(公告)日：2022-11-22
申请号：CN202211012573.7
申请日：2022-08-23
Applicant: 江苏科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于移动网格密度的数据聚类分析方法，包括如下步骤：对数据集进行区域划分，生成若干个相邻可移动网格；计算每个网格中的采样点数量，样本点之间欧氏距离的平均值和网格中样本点的新簇中心坐标，作为每个网格的唯一属性；基于每个网格的唯一属性，对网格进行更新；以更新后的网格中心坐标为聚类样本，进行聚类分析，获取到数据聚类结果。本发明仅需输入网格的生成直径便可完成聚类，不但大幅减少了算法对参数的依赖程度，降低了计算复杂度，而且对于数据的聚类效果也得到了提升。
-
公开(公告)号：CN114861728A
公开(公告)日：2022-08-05
申请号：CN202210535670.8
申请日：2022-05-17
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于嵌入式融合‑收缩堆栈降噪自编器特征的故障诊断方法，包括：对采集到的旋转机械振动信号进行预处理，形成时域信号、频域信号和时频号；通过FAE网络将时域信号、频域信号和时频信号进行融合获取到融合数据集；通过构建好的CSDAE网络对FAE网络融合的时频信号进行深度自编码；在F‑CSDAE网络的隐藏层中，加入原始融合信号，重新定义EF‑CSDAE网络隐藏层数据，并将EF‑CSDAE网络末端隐藏层输入softmax分类器完成故障识别。本发明在构建的F‑CSDAE的基础上，对其深度隐藏层嵌入FAE融合的信号，使EF‑CSDAE提取的特征具有更多的原始时域、频域信号信息，能够自适应融合多类信号特征，从而实现以高准确率完成故障诊断任务。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
