-
公开(公告)号：CN113358356A
公开(公告)日：2021-09-07
申请号：CN202110631601.2
申请日：2021-06-07
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种高速列车轮对轴承微弱故障诊断方法及系统，包括以下步骤：S1：利用高速列车轮对轴承信号特征频率更新趋势构建频谱特征信息扫描器，获取信号中潜在特征成分的边界参数；S2：根据获取到的边界参数构建滤波器组，对高速列车轮对轴承信号进行分解，得到对应的模式分量；S3：建立融合故障敏感指数，通过计算模式分量对应的故障敏感指数定位故障特征成分；S4：对故障特征成分执行包络分析获得包络谱，根据包络谱检测微弱故障特征，完成高速列车轮对轴承微弱故障诊断。本发明解决现有自适应信号分解方法在轮对轴承信号分解中带来的问题，实现高速列车轮对轴承微弱故障诊断。
-
公开(公告)号：CN112484998A
公开(公告)日：2021-03-12
申请号：CN202011281606.9
申请日：2020-11-16
Applicant: 苏州大学文正学院
IPC: G01M13/04 , G01M13/045 , G06F17/16
Abstract: 本发明公开了一种基于同步模态谱的风电机组轴承故障诊断方法，其包括：采集风电机组振动数据；基于所述风电机组振动数据构建同步模式谱；通过轴旋转频率与故障特征的瞬时频率之间的关系计算得到故障特征的理论阶次值；将所述同步模式谱中检测到的故障相关特征阶次与所述理论阶次值进行对比，对所述风电机组轴承进行故障诊断。本发明通过构建同步模态谱，仅仅只需要优化得到转速信息，识别其它特征成分是不要迭代优化。同步模态谱相比于现有阶次分析方法增强了对风电机组振动信号中蕴含轴承特征的提取能力。构建同步模态谱中嵌入了优化后的带宽参数，保证了提取特征成分带宽的合理性，显著提升同步模态谱对风电机组轴承故障特征的揭示能力。
-
公开(公告)号：CN114613681A
公开(公告)日：2022-06-10
申请号：CN202011420070.4
申请日：2020-12-08
Applicant: 苏州大学文正学院
IPC: H01L21/423 , H01L21/34
Abstract: 本发明提供了基于II‑VI族半导体一维纳米结构的存储器的制备方法。该制备方法包括如下步骤：提供一基底；在所述基底上形成基于II‑VI族半导体的一维纳米结构；在所述一维纳米结构的两端形成第一金属电极层和第二金属电极层，以获得存储器坯料；对所述存储器坯料进行电子辐照处理，以获得存储器。本发明的方案获得了具有大存储窗口、高开关比等特性的基于II‑VI族半导体一维纳米结构的存储器，并且该制备方法省去了制备浮栅层、氧化物阻挡层以及隧穿层的工序，且该制备方法工艺简单。
-
公开(公告)号：CN108760294A
公开(公告)日：2018-11-06
申请号：CN201810607021.8
申请日：2018-06-13
Applicant: 苏州大学
Abstract: 本发明涉及机械设备诊断技术领域，尤其涉及一种旋转机械设备自动诊断系统及方法。本发明具有成本低、稳定性好，安装使用方便、便于维护和精度高等优点，其能够在不同转速工况下实现旋转机械设备健康状态的自动诊断，同时诊断出具体的故障模式，有针对性的排查故障；其能够以更高精度展示设备动态信号中包含的时频联合域内的设备状态特征，使得诊断技术容易操作；旋转机械设备自动诊断系统及方法还具有远程监控旋转机械设备运行的能力，显著地减少检查费用并提高检查频率性。
-
Patent Agency Ranking
公开(公告)号：CN113358356B
公开(公告)日：2022-12-27
申请号：CN202110631601.2
申请日：2021-06-07
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种高速列车轮对轴承微弱故障诊断方法及系统，包括以下步骤：S1：利用高速列车轮对轴承信号特征频率更新趋势构建频谱特征信息扫描器，获取信号中潜在特征成分的边界参数；S2：根据获取到的边界参数构建滤波器组，对高速列车轮对轴承信号进行分解，得到对应的模式分量；S3：建立融合故障敏感指数，通过计算模式分量对应的故障敏感指数定位故障特征成分；S4：对故障特征成分执行包络分析获得包络谱，根据包络谱检测微弱故障特征，完成高速列车轮对轴承微弱故障诊断。本发明解决现有自适应信号分解方法在轮对轴承信号分解中带来的问题，实现高速列车轮对轴承微弱故障诊断。
-
公开(公告)号：CN116007937B
公开(公告)日：2024-09-06
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
公开(公告)号：CN112484998B
公开(公告)日：2022-12-27
申请号：CN202011281606.9
申请日：2020-11-16
Applicant: 苏州大学文正学院
IPC: G01M13/04 , G01M13/045 , G06F17/16
Abstract: 本发明公开了一种基于同步模态谱的风电机组轴承故障诊断方法，其包括：采集风电机组振动数据；基于所述风电机组振动数据构建同步模式谱；通过轴旋转频率与故障特征的瞬时频率之间的关系计算得到故障特征的理论阶次值；将所述同步模式谱中检测到的故障相关特征阶次与所述理论阶次值进行对比，对所述风电机组轴承进行故障诊断。本发明通过构建同步模态谱，仅仅只需要优化得到转速信息，识别其它特征成分是不要迭代优化。同步模态谱相比于现有阶次分析方法增强了对风电机组振动信号中蕴含轴承特征的提取能力。构建同步模态谱中嵌入了优化后的带宽参数，保证了提取特征成分带宽的合理性，显著提升同步模态谱对风电机组轴承故障特征的揭示能力。
-
公开(公告)号：CN108760294B
公开(公告)日：2020-09-29
申请号：CN201810607021.8
申请日：2018-06-13
Applicant: 苏州大学
IPC: G01M13/028 , G01M13/045
Abstract: 本发明涉及机械设备诊断技术领域，尤其涉及一种旋转机械设备自动诊断系统及方法。本发明具有成本低、稳定性好，安装使用方便、便于维护和精度高等优点，其能够在不同转速工况下实现旋转机械设备健康状态的自动诊断，同时诊断出具体的故障模式，有针对性的排查故障；其能够以更高精度展示设备动态信号中包含的时频联合域内的设备状态特征，使得诊断技术容易操作；旋转机械设备自动诊断系统及方法还具有远程监控旋转机械设备运行的能力，显著地减少检查费用并提高检查频率性。
-
公开(公告)号：CN116007937A
公开(公告)日：2023-04-25
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
