-
公开(公告)号：CN118225446A
公开(公告)日：2024-06-21
申请号：CN202410378622.1
申请日：2024-03-29
摘要： 本发明公开了一种涡轮泵转子系统多故障模拟实验装置，伺服电机的输出轴与行星齿轮增速机的输入端相连接，行星齿轮增速机的输出端与涡轮泵转子系统主轴的一端相连接，涡轮泵转子系统主轴的另一端穿过涡轮泵壳体后连接有磁粉制动器，涡轮泵壳体的内壁与涡轮泵转子系统主轴之间设置有主轴支承用故障轴承及主轴加载用轴承，涡轮泵壳体内设置有氧泵离心轮和燃料泵叶片断裂离心轮，两离心轮套接于涡轮泵转子系统主轴上；碰摩环固定于涡轮泵壳体的内壁上，碰摩环正对所述氧泵离心轮，控制系统与伺服电机相连接，该装置模拟变转速工况下涡轮泵动静碰摩故障、叶片断裂及轴承故障。
-
公开(公告)号：CN112860183B
公开(公告)日：2023-04-14
申请号：CN202110020442.2
申请日：2021-01-07
申请人： 西安交通大学
摘要： 本发明公开了一种基于高阶矩匹配的多源蒸馏‑迁移机械故障智能诊断方法，利用从多台机械设备采集的运行数据建立多源数据集，预处理后将其划分为源域数据集、目标域训练数据集和目标域测试数据集；构建基于高阶矩匹配的多源蒸馏‑迁移学习网络模型，使用源域数据集和目标域训练数据集进行高阶矩匹配、最大分类器差异以及多源蒸馏训练；将目标域测试数据集作为测试输入，使用自适应加权策略综合多个分类器的输出，完成跨域故障诊断。本发明利用多源数据，在域、类别层面对齐源域和目标域特征，通过多源蒸馏提高模型对目标样本的分类能力，并提出自适应加权以综合诊断结果，解决了传统方法在跨域诊断中性能下降的问题，大幅提升了深度模型的性能。
-
公开(公告)号：CN113468688B
公开(公告)日：2022-12-09
申请号：CN202110758710.0
申请日：2021-07-05
申请人： 西安交通大学
摘要： 一种基于参数优化VMD和加权基尼指数的轴承故障诊断方法，采集轴承由健康状态到损伤状态的全生命周期振动信号，得到振动加速度信号；初始化变分模式分解和食肉植物优化算法的参数，计算适应度函数值；根据适应度函数值，采用食肉植物优化算法优化变分模式分解算法，获得振动加速度信号分解效果最佳的VMD参数组合；利用振动加速度信号分解效果最佳的VMD参数组合进行变分模式分解，计算包络峭度值，对包络峭度值最大的模式分量进行包络解调分析，然后判断轴承故障类型。该方法能在强大复杂的背景噪声下准确高效地提取滚动轴承故障信号的微弱特征，为避免因轴承故障造成重大事故、经济损失等提供了理论方法，具有重要参考价值。
-
公开(公告)号：CN115273961A
公开(公告)日：2022-11-01
申请号：CN202210934441.3
申请日：2022-08-04
申请人： 西安交通大学
IPC分类号： G11C29/56
摘要： 本发明公开了一种针对MLC型固态硬盘的底层硬件故障程度的检测方法，包括以下步骤：根据MLC固态硬盘数据，建立控制栅极上电压偏移量与存储错误程度之间的关系模型；根据待检测的MLC固态硬盘两连续状态量间的时间间隔和当前工作环境温度，通过控制栅极上电压偏移量与存储错误程度之间的关系模型，得到待检测的MLC固态硬盘的底层硬件健康状态量。本发明采用构建的控制栅极上电压偏移量与存储错误程度之间的关系模型，通过电压偏移情况反馈出故障程度，构建出的MLC固态硬盘的健康状态的同时，有效的防止了因数据来源受限而无法有效检测固态硬盘故障状态的问题和缺陷，提高了固态硬盘国产化的可靠性。
-
公开(公告)号：CN115169396A
公开(公告)日：2022-10-11
申请号：CN202210760747.1
申请日：2022-06-30
申请人： 西安交通大学
IPC分类号： G06K9/00 , G06K9/62 , G06N3/00 , G01M13/045
摘要： 本发明公开基于参数字典和OMP算法的轴承微弱故障特征提取方法，根据采集的滚动轴承振动数据，建立滚动轴承振动信号的稀疏表示模型；所述滚动轴承振动数据包括有用故障信息和无用背景噪声信息的滚动轴承振动信号，根据Laplace小波参数字典，采用正交匹配追踪算法进行滚动轴承的信号稀疏表示模型的稀疏系数矩阵的求解；将稀疏系数矩阵与Laplace小波参数字典对信号重构，对重构后的信号进行包络分析，提取微弱故障特征，实现轴承故障诊断。本发明不仅能够有效的降低原有方法的算法复杂度，还可以更加准确的提取强背景下噪声下的轴承微弱故障特征，能够简单有效的在工程实践中进行滚动轴承的故障诊断。
-
公开(公告)号：CN111898634B
公开(公告)日：2022-08-16
申请号：CN202010574985.4
申请日：2020-06-22
申请人： 西安交通大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于深度对抗域自适应的智能故障诊断方法，使用传感器采集旋转机械在不同工况下的振动信号，分别对不同工况下数据集采用移动时窗进行信号的分割；提取数据集中判别性特征；结合特征提取器与域判别器，构造深度对抗域自适应网络，提取两种工况下的域不变特征；采用对抗式网络的训练策略联合训练两流网络模型至模型收敛，使用训练好的类别分类器识别缺乏故障标签的目标域数据集的轴承健康状态。本发明通过借助有丰富数据信息的工况对数据信息不足的工况进行故障诊断，完成了诊断知识的迁移，同时构造了深度学习网络，克服了传统诊断方法中对专家知识的依赖，为降低未来智能故障诊断系统的成本提供了一种有效的工具。
-
公开(公告)号：CN112098526B
公开(公告)日：2021-11-19
申请号：CN202010717976.6
申请日：2020-07-23
申请人： 西安交通大学
摘要： 本发明提供了一种基于激光超声技术的增材制件近表面缺陷特征提取方法，利用脉冲激光工件表面激励出超声波，再接收超声波信号；对超声波信号采用时域平均处理；根据表面波的大致频率范围对经过时域平均处理的超声波信号进行带通滤波，得到滤波信号；对滤波信号采用改进的经验模式分解方法进行分解，得到M个IMF分量，将频率最高IMF分量作为表面缺陷特征。本发明通过带通滤波可以解决环境振动干扰；通过改进的经验模式分解方法分解有效提取表面波信息，从而解决表面粗糙度对接收激光对焦的干扰引起缺陷回波不明显或被噪声淹没缺陷信号的问题，有助于提高激光超声系统的有效识别精度。
-
公开(公告)号：CN113468688A
公开(公告)日：2021-10-01
申请号：CN202110758710.0
申请日：2021-07-05
申请人： 西安交通大学
摘要： 一种基于参数优化VMD和加权尼基指数的轴承故障诊断方法，采集轴承由健康状态到损伤状态的全生命周期振动信号，得到振动加速度信号；初始化变分模式分解和食肉植物优化算法的参数，计算适应度函数值；根据适应度函数值，采用食肉植物优化算法优化变分模式分解算法，获得振动加速度信号分解效果最佳的VMD参数组合；利用振动加速度信号分解效果最佳的VMD参数组合进行变分模式分解，计算包络峭度值，对包络峭度值最大的模式分量进行包络解调分析，然后判断轴承故障类型。该方法能在强大复杂的背景噪声下准确高效地提取滚动轴承故障信号的微弱特征，为避免因轴承故障造成重大事故、经济损失等提供了理论方法，具有重要参考价值。
-
公开(公告)号：CN113255733A
公开(公告)日：2021-08-13
申请号：CN202110474161.4
申请日：2021-04-29
申请人： 西安交通大学
摘要： 本发明公开了一种多模态数据缺失下的无监督异常检测方法，利用多个工业传感器采集机械设备运行状态数据，建立多模态数据集，对该数据集进行预处理，并将预处理后的数据集划分为训练集与测试集；构建用于多模态数据缺失下异常检测的无监督深度网络模型；然后使用训练集对所构建的深度模型进行训练；对训练集进行推理并得到训练集样本异常值，使用核密度估计重建训练集样本异常值的概率分布，根据该分布和置信度确定异常检测阈值；对测试集进行推理并得到测试集样本的异常值，根据阈值给出测试集样本的异常检测结果。本发明基于无监督学习框架，充分挖掘和利用多模态数据信息，为在任意模态数据缺失下的异常检测提供了一种有效方案。
-
公开(公告)号：CN112434729A
公开(公告)日：2021-03-02
申请号：CN202011244156.6
申请日：2020-11-09
申请人： 西安交通大学
摘要： 本发明公开了一种类不平衡样本下基于层再生网络的故障智能诊断方法，使用加速度传感器采集机械设备运行状态下的原始信号，以固定长度截取时间序列得到数据样本集，并对各样本进行标准化预处理；将获取的数据样本分类标签化，划分样本数据为预训练集、训练集和测试集；然后构建基于层再生网络的故障诊断模型，使用预训练集进行预训练，得到对旧任务数据健康状态具有良好识别能力的模型；使用训练集样本对模型进行训练并微调全连接层参数，得到对新任务数据健康状态具有良好识别能力的模型；最后，利用知识蒸馏对网络的全部参数进行调整，提升其对旧任务数据的识别能力。本发明可降低大量的数据储存成本，有利于推进智能诊断方法在工程实际的应用。
-
-
-
-
-
-
-
-
-
搜索结果
177 条记录 (耗时 0.036 秒)
