-
公开(公告)号：CN109872511B
公开(公告)日：2021-07-06
申请号：CN201910142670.X
申请日：2019-02-26
Applicant: 西安交通大学
Abstract: 一种针对轴向位移突变监测的自适应两级报警方法，先采集位移信号，建立数据集，预处理得到位移的训练数据集；然后对训练数据集提取特征，形成N个数据组成的特征数据集，根据时刻信息对训练数据集和特征数据集进行融合；然后根据概率密度估计特征数据集的各统计参数，建立一级报警模型；再对训练数据集的所有数据按升序排序得到数据集，计算数据集的分位距和中位数，根据多倍分位距原理确定位移训练数据集的初始阈值，建立二级报警模型；随着发动机运行时间的推移，依据两级级报警模型判断并更新；本发明实现发动机轴向信号的自适应报警，方法的计算量较小，需要的历史数据少，能够实现在线监测。
-
公开(公告)号：CN115219180B
公开(公告)日：2024-05-31
申请号：CN202210842561.0
申请日：2022-07-18
Applicant: 西安交通大学
IPC: G01M13/00 , G01M13/045 , G06F18/214 , G06F18/24 , G06N3/045 , G06N3/082 , G06N3/084
Abstract: 一种基于原型和双重域对抗的旋转机械跨工况故障诊断方法，先使用采集设备从待监测旋转机械采集各工况运行条件下的振动信号，建立不同域(工况)的数据集；然后构建基于原型和双重域对抗的域适应网络，并使用梯度下降法训练域适应网络；再将需要诊断的目标域输入到训练好的域适应网络中；最后获取旋转机械的跨工况故障诊断结果；本发明同时对齐了边缘分布和条件分布，能够更实现细粒度的类级别结构匹配，实现了诊断知识从源域到目标域的迁移，有效实现端到端的跨工况旋转机械的状态识别。
-
公开(公告)号：CN110633792A
公开(公告)日：2019-12-31
申请号：CN201911004003.1
申请日：2019-10-22
Applicant: 西安交通大学
IPC: G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种端到端基于卷积循环神经网络的轴承健康指标构建方法，先搭建卷积循环神经网络模型CRNN，得到能衡量轴承退化程度的健康指标CRNN-HI；然后进行卷积循环神经网络模型CRNN模型训练；最后进行卷积循环神经网络模型CRNN评估；本发明通过整合卷积神经网络CNNs和循环神经网络RNNs的结构优势，利用RNNs编码CNNs输出的特征图的时序信息，一方面消除了CNNs不能编码时序特征和感受野小的缺陷，另一方面也消除了RNNs不能自适应地从原始数据中提取HI相关特征的缺陷，使得CRNN-HI在轴承健康状态退化评估方面取得了较高的相关性、单调性和准确性；同时本发明构建的CRNN-HI指标将轴承的非线性退化过程近似表征为随时间变化的线性过程，为滚动轴承的健康状态评估和退化程度的确定提供了方便。
-
公开(公告)号：CN109872511A
公开(公告)日：2019-06-11
申请号：CN201910142670.X
申请日：2019-02-26
Applicant: 西安交通大学
Abstract: 一种针对轴向位移突变监测的自适应两级报警方法，先采集位移信号，建立数据集，预处理得到位移的训练数据集；然后对训练数据集提取特征，形成N个数据组成的特征数据集，根据时刻信息对训练数据集和特征数据集进行融合；然后根据概率密度估计特征数据集的各统计参数，建立一级报警模型；再对训练数据集的所有数据按升序排序得到数据集，计算数据集的分位距和中位数，根据多倍分位距原理确定位移训练数据集的初始阈值，建立二级报警模型；随着发动机运行时间的推移，依据两级级报警模型判断并更新；本发明实现发动机轴向信号的自适应报警，方法的计算量较小，需要的历史数据少，能够实现在线监测。
-
公开(公告)号：CN115017451B
公开(公告)日：2024-10-25
申请号：CN202210459886.0
申请日：2022-04-28
Applicant: 西安交通大学
IPC: G06F17/14 , G06F17/10 , G06F17/16 , G01M13/045
Abstract: 一种基于Laplace小波与KPCA的固体润滑轴承转移膜性能声发射表征法，先采集固体润滑轴承运行时产生的原始声发射信号，使用基于Laplace小波的固体润滑轴承声发射信号消噪方法，对原始声发射信号进行连续小波变换以消除噪声，获得消噪后的声发射信号；然后从消噪后的声发射信号中提取表征轴承转移膜动态性能的多个特征指标，建立固体润滑轴承转移膜动态性能特征指标集；最后将已建立的特征指标集结合KPCA方法进行特征融合，提取第一主成分作为表征固体润滑轴承转移膜动态性能的融合特征指标；本发明实现了固体润滑轴承转移膜动态性能声发射特征指标的提取，用声发射信号有效表征了固体润滑轴承转移膜的动态性能。
-
Patent Agency Ranking
公开(公告)号：CN115221958A
公开(公告)日：2022-10-21
申请号：CN202210841133.6
申请日：2022-07-18
Applicant: 西安交通大学
Abstract: 一种基于复合权重的机械设备选择性迁移故障诊断方法，先使用采集设备从机械设备上采集各工况运行条件下的振动信号，建立不同工况的数据集；然后构建基于复合权重的选择性迁移网络，包括特征提取器、状态分类器、域鉴别器和基于Wasserstein距离的域适应模块；使用反向传播算法预训练特征提取器和状态识别器；载入预训练权重到选择性迁移网络中，使用反向传播算法训练结束；最后获取该机械设备的选择性迁移故障诊断结果；本发明同时状态分类器和域鉴别器出发，分别获得了类级权重和样本级权重，使用复合加权的模式重加权了状态分类器和基于Wasserstein距离的域适应模块的目标函数，提高了选择性迁移的可靠性，有效实现跨工况机械设备的选择性迁移故障诊断。
-
公开(公告)号：CN115017451A
公开(公告)日：2022-09-06
申请号：CN202210459886.0
申请日：2022-04-28
Applicant: 西安交通大学
IPC: G06F17/14 , G06F17/10 , G06F17/16 , G01M13/045
Abstract: 一种基于Laplace小波与KPCA的固体润滑轴承转移膜性能声发射表征法，先采集固体润滑轴承运行时产生的原始声发射信号，使用基于Laplace小波的固体润滑轴承声发射信号消噪方法，对原始声发射信号进行连续小波变换以消除噪声，获得消噪后的声发射信号；然后从消噪后的声发射信号中提取表征轴承转移膜动态性能的多个特征指标，建立固体润滑轴承转移膜动态性能特征指标集；最后将已建立的特征指标集结合KPCA方法进行特征融合，提取第一主成分作为表征固体润滑轴承转移膜动态性能的融合特征指标；本发明实现了固体润滑轴承转移膜动态性能声发射特征指标的提取，用声发射信号有效表征了固体润滑轴承转移膜的动态性能。
-
公开(公告)号：CN113063593B
公开(公告)日：2022-02-22
申请号：CN202110276387.3
申请日：2021-03-15
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种基于超声回波能量系数的滚动轴承信号特征信息获取方法，首先将多脉冲超声回波信号截取为单脉冲超声回波信号，获取单脉冲超声回波信号的第一界面回波与第二界面回波；然后使用均方值表征回波信号的特征，计算超声回波能量系数，实现快速、精确、平稳的特征提取；最后根据弹簧模型计算油膜厚度特征分布情况，实现滚动轴承信号特征信息的获取；本发明解决了海量超声回波数据的处理问题，提高了海量超声回波数据的计算速度与精度，同时为基于主动超声的滚动轴承运行状态检测提供了基础，为滚动轴承运行状态检测的提供了新思路。
-
公开(公告)号：CN113063593A
公开(公告)日：2021-07-02
申请号：CN202110276387.3
申请日：2021-03-15
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种基于超声回波能量系数的滚动轴承信号特征信息获取方法，首先将多脉冲超声回波信号截取为单脉冲超声回波信号，获取单脉冲超声回波信号的第一界面回波与第二界面回波；然后使用均方值表征回波信号的特征，计算超声回波能量系数，实现快速、精确、平稳的特征提取；最后根据弹簧模型计算油膜厚度特征分布情况，实现滚动轴承信号特征信息的获取；本发明解决了海量超声回波数据的处理问题，提高了海量超声回波数据的计算速度与精度，同时为基于主动超声的滚动轴承运行状态检测提供了基础，为滚动轴承运行状态检测的提供了新思路。
-
公开(公告)号：CN115219180A
公开(公告)日：2022-10-21
申请号：CN202210842561.0
申请日：2022-07-18
Applicant: 西安交通大学
IPC: G01M13/00 , G01M13/045 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于原型和双重域对抗的旋转机械跨工况故障诊断方法，先使用采集设备从待监测旋转机械采集各工况运行条件下的振动信号，建立不同域(工况)的数据集；然后构建基于原型和双重域对抗的域适应网络，并使用梯度下降法训练域适应网络；再将需要诊断的目标域输入到训练好的域适应网络中；最后获取旋转机械的跨工况故障诊断结果；本发明同时对齐了边缘分布和条件分布，能够更实现细粒度的类级别结构匹配，实现了诊断知识从源域到目标域的迁移，有效实现端到端的跨工况旋转机械的状态识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
