“机械故障诊断”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1767828个，建议您升级VIP下载更多相关专利

[发明专利]一种五位一体水力机械故障诊断方法-CN201810573391.4有效
发明人：王秀礼;邱伟峰;安策;钟华舟 -专利权人：江苏大学
申请日： 2018-06-06 - 公布日： 2020-11-03 - 主分类号： G01D21/02 文献下载
摘要：本发明属于水力机械故障诊断技术领域，特别涉及一种五位一体水力机械故障诊断方法。通过在水力机械的上机架、下机架、导轴承、顶盖、尾水管上的X、Y、Z方向上布置3个振动测点，在发电机定子、导轴承瓦体中布置温度测量点，在发电机上布置电流测点，在进口管道上布置流量测点，在蜗壳、尾水管出口布置压力测点，从而获得水力机械流量、压力、电流、振动、温度五个物理量的信号。经过工业控制计算机分析处理后，通过D‑S证据理论融合多物理量实现对水轮机故障的高效和精确判断，并且建立设备信息管理数据库。
一种一体水力机械故障诊断方法

[发明专利]基于最大重加权峭度盲解卷积的机械故障诊断方法-CN202210028718.6有效
发明人：张新;王家序;吴磊;孟凡善;张忠强;何劲峰;赵艺珂;杨涛;孙舰凯;夏恒 -专利权人：西南交通大学
申请日： 2022-01-11 - 公布日： 2023-03-28 - 主分类号： G06F17/15 文献下载
摘要：本发明涉及基于最大重加权峭度盲解卷积的机械故障诊断方法，属于风电机组故障诊断技术领域，提出一种新的盲解卷积方法，即最大重加权峭度盲解卷积。重加权峭度对故障信号中单个或少量强冲击干扰具有很好的鲁棒性，且无需待恢复故障冲击序列先验知识。基于此，最大重加权峭度盲解卷积方法能有效解决经典基于峭度最大化方法倾向于恢复单个主导冲击而非齿轮故障冲击序列的问题，同时相较于常见非全“盲”(依赖故障特征频率先验)方法在工业装备齿轮故障诊断方面具有更强的适用性并且在风电涡轮机故障诊断中的应用案例证实所提方法对于齿轮故障诊断的有效性。
基于最大加权峭度盲解卷积机械故障诊断方法

[发明专利]一种面向机械故障诊断的振动信号重构方法-CN201610569483.6在审
发明人：高宏力;何翔;宋兴国;张莉;李世超;黄晓蓉 -专利权人：西南交通大学
申请日： 2016-07-19 - 公布日： 2017-01-04 - 主分类号： G01H17/00 文献下载
摘要：本发明提供了一种面向机械故障诊断的振动信号重构方法，在非负条件下，对原始振动信号进行更为稀疏的编码，提高信号频谱检测的有效性，属于振动信号处理技术领域。1、对机械系统振动信号采样，将原始振动信号重叠分割得到列向量构成训练样本。2、初始化学习字典，基于非负基追踪算法对训练样本进行稀疏编码得到初始化稀疏编码矩阵。7、提取重构信号的包络谱实现故障诊断。用于机械故障诊断。
一种面向机械故障诊断振动信号方法

[发明专利]一种基于子空间对齐的变工况滚动轴承故障诊断方法-CN201910985862.7在审
发明人：张博;李伟;张梦;任勇;佟哲 -专利权人：中国矿业大学
申请日： 2019-10-17 - 公布日： 2020-01-14 - 主分类号： G01M13/045 文献下载
摘要：一种基于子空间对齐的变工况滚动轴承故障诊断方法，属于机械故障诊断领域。
子空间目标领域滚动轴承故障对齐源领域滚动轴承故障诊断不同工况条件机械故障诊断计算转换矩阵分类模型故障诊断数据分布特征向量性能退化样本集合样本转换振动信号坐标对齐变工况下轴承最小化放入构建散度投影样本诊断

[发明专利]一种基于多尺度网络结构的旋转机械故障诊断方法及系统-CN202110652071.X有效
发明人：周晔;尚赵伟 -专利权人：重庆大学
申请日： 2021-06-09 - 公布日： 2022-03-15 - 主分类号： G01M13/00 文献下载
摘要：本发明公开了一种基于多尺度网络结构的旋转机械故障诊断方法及系统。该方法包括：采集旋转机械的运转数据，将运转数据输入故障诊断卷积神经网络，故障诊断神卷积神经网络输出诊断结果；在故障诊断卷积神经网络中：将不同层级卷积层输出的特征在通道维度上进行融合，并将融合后的特征作为后续网络的输入故障诊断卷积神经网络可以在不同分布训练数据和测试数据上具有较高的迁移能力，在不同转速和不同负载下的数据集上获得相当高的准确性和迁移性。
一种基于尺度网络结构旋转机械故障诊断方法系统

[发明专利]基于奇异值谱流形分析的齿轮箱故障诊断方法及系统-CN201910961446.3有效
发明人：苏祖强;罗子澳;于洪;萧红;谢海琼;谭峰 -专利权人：重庆邮电大学
申请日： 2019-10-11 - 公布日： 2021-07-06 - 主分类号： G01M13/021 文献下载
摘要：本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于奇异值谱流形分析的齿轮箱故障诊断方法及系统。方法包括获取齿轮箱的故障振动信号并预处理，形成多个一维原始振动信号数据，进行相空间重构处理，得到多个二维矩阵；对重构的二维矩阵进行奇异值分解，得到二维矩阵的奇异值谱；计算奇异值谱的斜率获得奇异值谱流形特征；采用该特征数据训练支持向量机，构建故障诊断模型；将待测齿轮箱的振动信号数据输入故障诊断模型，输出待测齿轮箱的故障诊断分类结果。本发明采用奇异值谱流形分析来实现对齿轮箱故障数据的特征提取，能够有效提取信号成分的变化趋势，去除噪声的影响，增强特征对故障的表征能力，能够提高齿轮箱故障诊断的精度。
基于奇异流形分析齿轮箱故障诊断方法系统

[发明专利]一种用于机械故障诊断的生成式对抗网络模型评估方法-CN202010229817.1在审
发明人：罗佳;黄晋英;马健程;李红梅;吕彩琴;张利东 -专利权人：中北大学
申请日： 2020-03-27 - 公布日： 2020-07-24 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种用于机械故障诊断的生成式对抗网络模型评估方法，采用三个定量评估指标Jensen‑Shannon divergence(JSD)散度，Kernel Maximum Mean Discrepancy通过评估能够表明JSD散度可以评估生成模型生成数据的质量，MMD和1‑NN能够从真实样本中识别生成样本，在机械故障诊断领域是很好的度量标准。
一种用于机械故障诊断生成对抗网络模型评估方法

[发明专利]基于随机森林的开关设备机械故障诊断方法-CN202211003706.4在审
发明人：荣命哲;吴嘉洛;周之强;袁欢;杨爱军;褚继峰;王小华 -专利权人：西安交通大学
申请日： 2022-08-19 - 公布日： 2023-10-27 - 主分类号： G01D21/02 文献下载
摘要：公开了一种基于随机森林的开关设备机械故障诊断方法，方法中，融合线圈电流及振动信号数据。首先对采集的数据进行封装及存储，然后对信号进行时间同步、零偏置、滤波、趋势项去除、小波去噪等数据预处理。最后，组合融合三个特征量制作训练集，训练随机森林分类器，利用迭代调整得最高准确率下的最小决策树数目，实现高效的开关设备机械故障诊断。
基于随机森林开关设备机械故障诊断方法

[发明专利]分簇式联邦学习驱动的机械故障诊断方法、装置及介质-CN202210916564.4在审
发明人：李巍华;杨万胜;陈祝云;晋刚;陈浚彬;廖奕校;黄如意 -专利权人：华南理工大学
申请日： 2022-08-01 - 公布日： 2022-12-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种分簇式联邦学习驱动的机械故障诊断方法、装置及介质，其中方法包括：在中心服务器上构建故障诊断模型，将模型参数发送至客户端；客户端对故障诊断模型进行优化，将特征表示向量和模型参数发送至中心服务器本发明在满足维护客户端的机械设备数据隐私的同时，提高了旋转机械设备关键部件故障诊断的准确率，更有利地保证了安全生产。本发明可广泛应用于旋转机械设备故障诊断领域。
分簇式联邦学习驱动机械故障诊断方法装置介质

[发明专利]一种基于无线传感器的设备故障预警诊断方法-CN202310166989.2有效
发明人：李玉奎;张鹏;尤文强 -专利权人：济南嘉宏科技有限责任公司
申请日： 2023-02-27 - 公布日： 2023-06-20 - 主分类号： G01M13/028 文献下载
摘要：本发明涉及设备故障预警诊断技术领域，特别涉及一种基于无线传感器的设备故障预警诊断方法，整个系统包括预警模块、异常检测模块、典型故障诊断模块和案例故障比对模块，典型故障诊断模块包括故障识别模块和故障表示模块本发明建立合理的振动故障预警及诊断方法，在保障故障预警和诊断所需的振动特征值和波形数据的基础上,尽可能的延长无线传感器电池续航能力，基于无线温振传感器采集的特征数据和波形数据，检测设备可能存在的振动异常，并对可能存在的典型机械故障如不平衡、不对中、轴承故障、松动等进行诊断。
一种基于无线传感器设备故障预警诊断方法

[发明专利]基于散度指标的变工况风电行星齿轮箱故障诊断方法-CN201510831633.1有效
发明人：吴冠宇;王方胜;滕海刚;陈国伟;史昌明;肖冰;王瑞;安国军;卢博伦;陈禹;赵海 -专利权人：国网内蒙古东部电力有限公司电力科学研究院;国网内蒙古东部电力节能服务有限公司;国家电网公司
申请日： 2015-11-24 - 公布日： 2019-10-11 - 主分类号： G01M13/021 文献下载
摘要：本发明属于旋转机械故障诊断技术领域，尤其涉及一种基于散度指标的变工况风电行星齿轮箱故障诊断方法，特别适用于变工况风电行星齿轮箱的故障诊断领域。本发明操作步骤如下：根据阶比重采样技术，将变工况风电行星齿轮箱传感器所采集的振动信号进行预处理，将非线性、非平稳的时域信号转化为具有平稳性的角域信号；行星齿轮箱不同于传统定轴齿轮箱，针对其结构特点及诊断的难度，将行星齿轮箱的故障分级进行诊断；提取故障特征集合；故障诊断参数；实验验证。本发明可避免振动信号非平稳的特点，有效清晰的识别故障特征阶比；J‑散度和KL‑散度均可表征行星齿轮箱故障发生位置及类型；在发生故障时，可相互辅助进行故障诊断，具有较高的灵敏度。
风电行星齿轮故障诊断变工况散度行星齿轮箱故障特征预处理故障发生位置故障诊断领域旋转机械故障定轴齿轮箱诊断避免振动采样技术发生故障故障分级时域信号实验验证诊断技术振动信号灵敏度平稳性传感器集合采集清晰转化

[发明专利]基于无监督图神经网络特征提取的旋转机械故障诊断方法及系统-CN202310399593.2在审
发明人：冯静;鲍守洋;侯平智;徐晓滨;何宏;陈博洋;游世学 -专利权人：杭州电子科技大学
申请日： 2023-04-14 - 公布日： 2023-08-01 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于无监督图神经网络特征提取的旋转机械故障诊断方法及系统。随着人工智能技术的发展，许多基于深度学习的方法被应用到故障诊断中提高设备维修诊断的智能化水平。本发明采用K‑近邻法(KNN)将采集的振动加速度信号构建成故障样本图。然后，对GraphSAGE模型以无监督的方式进行训练，旨在不需要标签的情况下提取信号样本的特征。在提取特征的基础上，采用了一些经典的分类器进行故障诊断。本发明提出的故障诊断方法具有较高的精度，同时能够实现在少量有标记样本的情况下，也能实现较高的故障诊断精度。
基于监督神经网络特征提取旋转机械故障诊断方法系统

[发明专利]基于多算法的滚动轴承故障诊断方法、装置、设备及介质-CN202211388119.1在审
发明人：王晓佳;华彤;薛子睿;毕缘媛;张双标;徐晟;朱克毓;刘军航 -专利权人：合肥工业大学
申请日： 2022-11-08 - 公布日： 2023-01-31 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种基于多算法的滚动轴承故障诊断方法、装置、设备及介质，涉及机械故障诊断技术领域，该方法包括：获取不同负载下未知故障类型的目标滚动轴承振动信号并进行处理，得到目标滚动轴承振动信号的二维立体频谱图；将二维立体频谱图输入至滚动轴承故障诊断模型中，得到目标滚动轴承的故障诊断数据；其中，滚动轴承故障诊断模型包括输入模块、隐含模块和输出模块；隐含模块包括依次连接的改进的卷积层、改进的池化层以及全连接层；本发明能够更好地适应复杂多变的工业场景，具有更高的诊断精度和较强的泛化能力。
基于算法滚动轴承故障诊断方法装置设备介质

[发明专利]一种自动扶梯机械故障诊断方法和系统-CN202010581866.1在审
发明人：彭晓军;梁敏健;戚政武;陈英红;杨宁祥;林晓明;陈建勋;庞慕妮 -专利权人：广东省特种设备检测研究院珠海检测院
申请日： 2020-06-23 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种自动扶梯机械故障诊断方法和系统，该方法包括步骤初始化；获取来自加速度传感器的检测信号，并提取时域特征；对时域信号进行LCD分解以获得若干个峭度最大的ISC分量，并将若干个ISC分量进行排序后获得数据集；将数据集按比例分为训练集和测试集，将训练集输入到深度卷积神经网络中进行调参训练，通过测试集进行有效性验证；对来自待检测的加速度传感器的信号运算，输出对应的机械故障类型。避免了EMD分解和LMD分解过程中计算次数多、残差大、频率混叠和端点效应等缺点，有利于提高扶梯机械故障诊断的效率，使用深度卷积神经网络，可以自适应提取人工无法提取的有效特征，提高故障判断的准确性。
一种自动扶梯机械故障诊断方法系统

[发明专利]基于DSCRN模型的旋转机械故障诊断方法、设备和存储介质-CN202110470770.2有效
发明人：王凯;王崇荣;王恒;何孟凡;於辉;李彦;赵武;邹成宇;王朋朋 -专利权人：四川大学
申请日： 2021-04-29 - 公布日： 2021-08-31 - 主分类号： G06K9/62 文献下载
摘要：本申请提出了一种基于DSCRN模型的旋转机械故障诊断方法、设备和存储介质，涉及旋转机械故障诊断技术领域，其中，该方法包括：获取待测试振动信号，并根据所述待测试信号生成测试集；对所述测试集进行预处理，以得到所述测试集中的每一个高维测试样本的低维片段使用预设的深度子类重构网络DSCRN模型提取所述低维片段的深层特征；根据同属于一个测试样本的片段的所述深层特征生成所述测试样本的特征向量；将所述测试样本的特征向量输入Softmax分类器，并输出相应的故障类别采用上述方案的本发明可以自适应地学习显著的、鲁棒的故障特征表示，从而更好的表征故障模式。
基于 dscrn 模型旋转机械故障诊断方法设备存储介质