-
公开(公告)号：CN113189483A
公开(公告)日：2021-07-30
申请号：CN202110450384.7
申请日：2021-04-25
Applicant: 西安交通大学
Abstract: 一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，首先采集轴流风机的振动信号和三相电流信号；通过分析轴流风机异常情况下振动信号和三相电流信号的特点，针对振动信号构建了无量纲转频谱峰值指标和无量纲倍频谱峰值指标，之后针对三相电流信号分别构建了极小有效值指标、有效值极差值指标及小波频谱极差值指标；基于上述指标，通过给定相应阈值，进行联合推断，实现轴流风机的自动故障诊断；本发明克服了传统方法费时费力且难以有效解决问题的缺点，可以对不同转速下的异常轴流风机进行自动故障诊断，提高轴流风机故障诊断的准确性和实时性。
-
公开(公告)号：CN115824636A
公开(公告)日：2023-03-21
申请号：CN202211667981.6
申请日：2022-12-23
Applicant: 西安交通大学
IPC: G01M13/028 , G06F17/14
Abstract: 一种自适应能量增长稀疏性度量的汽车变速箱状态监测方法，包括各挡位下的状态监测指标构建、变速箱整体健康状态监测指标构建与变速箱的状态监测和故障定位；首先获取变速箱的振动信号，通过构建各挡位下的状态监测指标，实现自适应的能量增长稀疏性评估；然后进行加权融合，得到可以反映变速箱整体健康状态的监测指标；再利用监测指标与计算过程中的分段幅值和增长率重要性评估结果进行故障定位；本发明实现了汽车变速箱的状态自动监测与辅助故障定位，提高汽车变速箱状态监测的准确性。
-
公开(公告)号：CN113138337A
公开(公告)日：2021-07-20
申请号：CN202110450380.9
申请日：2021-04-25
Applicant: 西安交通大学
Abstract: 一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括状态划分和频段校正；首先获取三相电机的电流信号和振动信号，通过构建三个针对三相电流信号的故障指标，并联合小波阈值降噪后的振动信号故障指标，实现电机健康状态划分；再利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间故障特征频率的同步校正，实现电机轴承的故障诊断；本发明克服了传统方法需要人为判断、费时费力且容易产生误判的缺点，提高三相电机故障诊断的及时性和稳定性。
-
公开(公告)号：CN113469066A
公开(公告)日：2021-10-01
申请号：CN202110758708.3
申请日：2021-07-05
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 不平衡样本多任务自优化的滚动轴承故障迁移诊断方法，首先利用源滚动轴承振动信号对用深度稠密卷积神经网络建立的基础分类器进行预训练，将特征提取模块参数结合随机初始化的重构健康状态识别模块参数构建多任务学习器；从健康状态已知的目标滚动轴承振动信号随机挑选构成更新数据集，并从中随机挑选构成任务组合，对多任务学习器参数进行更新；利用健康状态已知的目标滚动轴承振动信号中未输入多任务学习器的样本建立微调数据集，微调诊断模型；以健康状态未知的目标滚动轴承振动信号样本为输入，利用诊断模型输出诊断结果，实现滚动轴承健康状态的智能识别；本发明提高了监测数据不平衡约束下滚动轴承故障的迁移诊断精度。
-
公开(公告)号：CN108966834B
公开(公告)日：2020-01-31
申请号：CN201810727333.2
申请日：2018-07-04
Applicant: 西安交通大学
Abstract: 公开了一种扭转抓取苹果的采摘器及其采摘方法，采摘器包括摇杆滑块机构(1)、线传动机构(2)、扭转机构(3)、分选机构(4)和处理模块(5)，固定在内筒(6)外壁上的套环(7)经由线传动机构(2)致动以沿着内筒(6)外壁往复移动；上指(8)和下指(11)同步地开合以抓取苹果，一对传动线(19)一端分别连接套环(7)，另一端分别卷绕滑轮组(15)后穿出滑轮架(14)后分别卷绕卷轮(18)，卷轮(18)在电机(17)的驱动下旋转使得卷绕滑轮组(15)的传动线(19)致动套环(7)进行往复移动，内筒(6)在大齿轮(24)驱动下转动以扭转分离苹果，旋转盘(27)基于重量数据向预定方向的收集单元翻转。
-
Patent Agency Ranking
公开(公告)号：CN113588266B
公开(公告)日：2022-06-07
申请号：CN202110811026.4
申请日：2021-07-19
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/62
Abstract: 一种故障语义空间内嵌的滚动轴承复合故障诊断方法，首先获取滚动轴承在各健康状态下的振动信号样本，利用特征提取降维模块自动获取振动信号样本的特征并降维；然后使用高斯‑伯努利受限玻尔兹曼机计算样本的能量函数值，并对样本是否属于复合故障进行区分；最后分别通过多元分类器和线性监督自动编码机，完成对单一故障样本与复合故障进行健康状态识别；本发明考虑到了复合故障与单一故障之间的联系，能够有效克服带标签复合故障样本难以获取对诊断的不利影响，可以直接使用单一健康状态样本完成对模型的训练，实现了对滚动轴承单一故障诊断以及复合故障的诊断。
-
公开(公告)号：CN113138337B
公开(公告)日：2022-03-22
申请号：CN202110450380.9
申请日：2021-04-25
Applicant: 西安交通大学
Abstract: 一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括状态划分和频段校正；首先获取三相电机的电流信号和振动信号，通过构建三个针对三相电流信号的故障指标，并联合小波阈值降噪后的振动信号故障指标，实现电机健康状态划分；再利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间故障特征频率的同步校正，实现电机轴承的故障诊断；本发明克服了传统方法需要人为判断、费时费力且容易产生误判的缺点，提高三相电机故障诊断的及时性和稳定性。
-
公开(公告)号：CN113588266A
公开(公告)日：2021-11-02
申请号：CN202110811026.4
申请日：2021-07-19
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/62
Abstract: 一种故障语义空间内嵌的滚动轴承复合故障诊断方法，首先获取滚动轴承在各健康状态下的振动信号样本，利用特征提取降维模块自动获取振动信号样本的特征并降维；然后使用高斯‑伯努利受限玻尔兹曼机计算样本的能量函数值，并对样本是否属于复合故障进行区分；最后分别通过多元分类器和线性监督自动编码机，完成对单一故障样本与复合故障进行健康状态识别；本发明考虑到了复合故障与单一故障之间的联系，能够有效克服带标签复合故障样本难以获取对诊断的不利影响，可以直接使用单一健康状态样本完成对模型的训练，实现了对滚动轴承单一故障诊断以及复合故障的诊断。
-
公开(公告)号：CN118779645A
公开(公告)日：2024-10-15
申请号：CN202410734262.4
申请日：2024-06-07
Applicant: 西安交通大学
IPC: G06F18/2131 , G06F18/27 , G06F18/15 , G01M13/028 , G01M13/021
Abstract: 一种齿轮变速箱故障边频簇惩罚回归提取方法，选取初始时刻健康阶段的振动加速度信号为基准信号，以下一段信号为故障信号并不断更新，获得傅里叶频谱，确定边频理论位置并获得边频成分幅值，进行预处理并获得归一化边频指标。进行实时稀疏group lasso回归确定各边频权重系数，通过指标SSI(Sparse group lasso Sidebands Indicator)对齿轮变速箱进行健康监测，连续触发机制实现齿轮变速箱早期故障预警，并在达到阈值后使用自适应稀疏group lasso确定参数λ值并确定各边频回归系数，最终确定故障边频及故障齿轮定位；本发明通过自数据驱动策略，提高了健康指标的趋势性，减少了对专家经验和历史数据的依赖，能够及时反映齿轮变速箱的健康状态。
-
公开(公告)号：CN113469066B
公开(公告)日：2023-04-11
申请号：CN202110758708.3
申请日：2021-07-05
Applicant: 西安交通大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08 , G01M13/045
Abstract: 不平衡样本多任务自优化的滚动轴承故障迁移诊断方法，首先利用源滚动轴承振动信号对用深度稠密卷积神经网络建立的基础分类器进行预训练，将特征提取模块参数结合随机初始化的重构健康状态识别模块参数构建多任务学习器；从健康状态已知的目标滚动轴承振动信号随机挑选构成更新数据集，并从中随机挑选构成任务组合，对多任务学习器参数进行更新；利用健康状态已知的目标滚动轴承振动信号中未输入多任务学习器的样本建立微调数据集，微调诊断模型；以健康状态未知的目标滚动轴承振动信号样本为输入，利用诊断模型输出诊断结果，实现滚动轴承健康状态的智能识别；本发明提高了监测数据不平衡约束下滚动轴承故障的迁移诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
