-
公开(公告)号：CN115683604A
公开(公告)日：2023-02-03
申请号：CN202211262918.4
申请日：2022-10-14
Applicant: 山东临工工程机械有限公司 , 浙江大学
IPC: G01M13/021 , G01M13/028 , G06F18/2411
Abstract: 本发明属于工程机械技术领域，具体涉及一种基于不平衡数据的工程机械故障诊断方法，包括：通过振动加速度传感器采集齿轮箱振动信号；对采集到的齿轮箱原始振动信号进行特征提取；利用自适应合成样本算法合成齿轮箱故障数据；在分布改善后的数据集中使用深度自编码器进行特征选择时，在损失函数中引入最大相关熵和稀疏惩罚项；利用选择后的特征和改善后的数据集来训练SVM分类器，实现齿轮箱故障诊断。本发明在对齿轮箱振动信号进行特征提取之后，利用自适应合成样本算法合成故障数据样本，改善现有数据集中正常数据与故障数据不平衡的问题，尤其重视数据中更具挑战性的区域，能够提升分类器的性能。
-
公开(公告)号：CN116929763A
公开(公告)日：2023-10-24
申请号：CN202310606188.3
申请日：2023-05-26
Applicant: 山东临工工程机械有限公司 , 浙江大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明涉及轴承故障检测领域，具体公开了一种基于小波变换与混合学习的轴承故障检测方法，方法包括：对轴承故障信号数据作预处理，根据轴承故障原理，对预处理后的数据进行小波变换，对得到的细节分量与近似分量分别计算分量能量并归一化，得到六维特征集合，再将＝特征集合随机划分训练集与测试集，分别输入支持向量机分类器分类，将分类结果分别添加到训练集和测试集的特征空间中，投入高斯朴素贝叶斯分类器进行训练，再将分类结果分别添加到训练集和测试集的特征空间中，投入随机森林分类器进行训练，得到最终的分类结果。本发明通过对原始振动信号分析处理，提取小波变换特征，再用多机器学习方法融合分类，能有效地对轴承故障进行诊断。
-
公开(公告)号：CN115655706A
公开(公告)日：2023-01-31
申请号：CN202211258650.7
申请日：2022-10-14
Applicant: 山东临工工程机械有限公司 , 浙江大学
IPC: G01M13/021 , G01M13/028 , G06F17/11 , G06F17/15 , G06F17/16
Abstract: 本发明涉及一种基于最小熵解卷积和随机共振的机械故障诊断系统，包括：采集机械旋转部件的振动数据，作为原始信号；将原始信号经过频率缩放后输入双稳态随机共振系统，以相关峭度作为指标函数，自适应调节系统参数，使系统输出想要的信号，利用4阶龙格库塔算法求得非线性系统输出的数值解，利用随机共振现象放大原信号中的冲击成分，得到降噪后的信号；将降噪后的信号再进行最小熵解卷积滤波，得到最小熵解卷积滤波信号；对经过最小熵解卷积滤波后的信号进行希尔伯特包络谱分析，对机械旋转部件进行故障诊断。本发明可以在未知信号故障频率的条件下通过设计相应指标自主提取出故障信号的频率，实现准确的故障诊断与定位。
-
公开(公告)号：CN115452380A
公开(公告)日：2022-12-09
申请号：CN202211117647.3
申请日：2022-09-14
Applicant: 浙江大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06F17/16
Abstract: 本发明公开了一种多特征融合下基于迁移成分分析的轴承故障诊断方法，本发明先采用加速度传感器收集的信息，从时域、频域、小波域和熵的角度，提取特征，根据已知故障尺寸、故障类别下的轴承振动信号的混合特征集合组成源域，未知故障类别但故障尺寸大小一致的故障尺寸下，轴承振动信号的混合特征集合组成目标域，通过迁移成分分析(TCA)的边缘分布自适应方法，采用K最近邻分类诊断新故障直径下的故障类型，本发明从多个方面入手，提取了数据的时域、频域、小波域和熵方面的信息，对多特征进行融合，更全面刻画了故障时运行的场景；利用已知故障直径的样本，能有效提高原先数据的利用程度和检测精确度。
-
-
-
Search Results
4
records
(took 0.012 seconds)
