公开(公告)号：CN117332333A

公开(公告)日：2024-01-02

申请号：CN202311267722.9

申请日：2023-09-27

Applicant: 西安交通大学

Inventor： 温广瑞 ,  邓杰伟 ,  杨萌 ,  苏宇 ,  雷子豪 ,  邓帅卿 ,  缪政辉 ,  张志芬

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/21 ,  G06F30/20 ,  G01M13/045

Abstract: 本发明公开了一种数字孪生驱动的轴承状态监测及故障预警方法及系统，建立轴承数字孪生模型，完成变载工况下的轴承服役模拟仿真，获取轴承在运行中的振动信号与实际监测轴承运行振动信号进行对比，以达到故障预警的目的，通过建立与物理世界对应的数字孪生模型，通过贝叶斯算法完成第一阶段的模型优化，然后引入最小二乘法进一步提升模型精度，使其获得更加精确的预测结果；同时，数据库中的特征提取可以有效防止无关信号对故障预测的影响。本发明能够实现复杂多变工况下的轴承状态检测及故障预警分析，减少旋转机械停机时间，降低机器的运维成本，对于提高旋转机械运行可靠性有重要意义。

公开(公告)号：CN118152883A

公开(公告)日：2024-06-07

申请号：CN202410300728.X

申请日：2024-03-15

Applicant: 西安交通大学

Inventor： 温广瑞 ,  缪政辉 ,  刘子岷 ,  苏宇 ,  雷子豪 ,  许权宁 ,  邓杰伟 ,  齐晓纲 ,  孟璋轩

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明公开了一种轴承故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的轴承故障诊断模型中，输出故障诊断结果；其中，所述训练好的轴承故障诊断模型的训练方法为：分别将待诊断工况下不同类别仿真故障信息的振动信号和待诊断工况下已知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集作为强化学习算法的输入，自适应搭建得到多个不同的仿真故障诊断模型；利用所述目标域数据集对诊断准确率最佳的仿真故障诊断模型进行训练，得到所述训练好的轴承故障诊断模型。本发明的目的在于解决模拟实验故障数据获取难度大和成本高，直接故障仿真数据导致诊断精度低的问题。

公开(公告)号：CN116861765A

公开(公告)日：2023-10-10

申请号：CN202310630154.8

申请日：2023-05-30

Applicant: 西安交通大学

Inventor： 温广瑞 ,  杨萌 ,  苏宇 ,  张志芬 ,  缪政辉 ,  邓帅卿 ,  刘子岷 ,  李永杰

IPC: G06F30/27 ,  G06F18/2135 ,  G06F18/24 ,  G06F18/214 ,  G06F18/10 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种基于数字孪生和DBN的滚动轴承故障诊断方法及系统，通过滚动轴承数字孪生模型的建立能够实时获取海量故障数据，并通过深度置信网络对滚动轴承故障进行判断。本方法的核心在于：数字孪生模型的构建和更新、对数据集特征的提取和深度置信网络(DBN)的构建。建立与物理实体对应的数字孪生模型通过不断的更新使其获取更真实的孪生数据，同时数据集中特征的提取可以防止无关信号对故障诊断的影响。本发明着眼于工业4.0、智能制造2025背景下数字信息技术的快速发展，提出基于数字孪生技术+深度学习的滚动轴承故障诊断方法，能够为获取更加精准的滚动轴承故障诊断结果及滚动轴承故障溯源提供新思路。

公开(公告)号：CN118194118A

公开(公告)日：2024-06-14

申请号：CN202410300727.5

申请日：2024-03-15

Applicant: 西安交通大学

Inventor： 温广瑞 ,  牛腾飞 ,  刘子岷 ,  缪政辉 ,  雷子豪 ,  苏宇 ,  田飞宇 ,  孙磊鹏

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/092

Abstract: 本发明公开了一种机械设备故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的机械设备故障诊断模型中，输出故障诊断结果；其中，训练好的机械设备故障诊断模型的训练方法为：分别将机械设备在跨工况下已知故障信息的振动信号和待诊断工况下未知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集和目标域数据集作为强化学习算法的输入，自适应搭建得到多个不同的机械设备故障诊断模型；选取故障诊断准确率最佳的作为训练好的机械设备故障诊断模型。本发明能够在不依赖专家经验和先验知识的情况下获得机械设备故障诊断模型，模型参数量小，同时可以实现变工况下的故障诊断。

公开(公告)号：CN117034669A

公开(公告)日：2023-11-10

申请号：CN202310627678.1

申请日：2023-05-30

Applicant: 西安交通大学

Inventor： 温广瑞 ,  杨萌 ,  苏宇 ,  张志芬 ,  邓帅卿 ,  缪政辉 ,  刘子岷 ,  李永杰

IPC: G06F30/23 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2135 ,  G06F30/27 ,  G06N3/0464 ,  G06F119/14

Abstract: 本发明公开了一种旋转机械滚动轴承剩余寿命预测方法及系统，通过构建旋转机械传动系统几何模型完整刻画旋转机械传动系统的全貌；并在此基础上构建等效的旋转机械传动系统动力学方程和滚动轴承有限元模型；然后通过模型迭代更新生成高保真旋转机械传动系统数字孪生模型；利用数字孪生模型获得滚动轴承理论剩余寿命；采用赋权法和蒙特卡洛方法融合滚动轴承观测剩余寿命和理论剩余寿命。本发明有效克服目前滚动轴承剩余寿命预测过程中数据不平衡、模型缺乏可解释性等问题，同时混合方法提高了滚动轴承剩余寿命预测精度。