本发明公开了一种基于贝叶斯学习的执行器故障估计方法,包括(1)基于随机走步模型对执行器故障建模;(2)基于变分贝叶斯理论,将系统状态变量和执行器故障信号的联合后验分布用两个相互独立的假设分布来表示;(3)在k‑1时刻,预测出k时刻系统的状态和故障;在k时刻,依据贝叶斯理论对预测出的系统状态和系统故障进行迭代更新,输出k时刻系统状态的估计值和该估计值的方差,以及输出k时刻系统故障的估计值和该估计值的方差。该方法充分利用贝叶斯学习适用于在线估计的结构,通过对相互耦合变量的系统状态和故障信号进行解耦,给出一种针对随机系统下执行器故障信号的估计方法,能够很好地对执行器故障信号进行估计,弥补了现有方法在这一方向的缺失。
📄 2020104620386
📂 G06F30_20
👤 江南大学
📅 2020-05-27
本发明公开了一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法,属于弹簧阻尼系统故障诊断技术领域。所述方法通过弹簧阻尼系统故障指示信号的数值,确定系统的故障状态,在检测出系统发生故障时,根据测试集合及其椭球确定弹簧阻尼系统的参数向量θ的具体故障分量,继而根据具体故障分量得到扩展方向,按扩展方向重置支持正多胞体的交集,相对于现有故障检测方法中的全域扩展,本申请所提出的面向工业生产过程的弹簧阻尼系统滤波故障诊断方法收敛速度更快、可以更快的识别出故障参数、从而实时性能更好。
📄 2020102722582
📂 G06F30_17
👤 江南大学
📅 2020-04-09
本发明涉及一种基于正多胞体滤波的工业系统分层故障诊断方法,包括获取CSTR系统模型及其故障库,应用正多胞体滤波的方法包络可行参数集,通过检测可行参数集是否为空判断CSTR系统是否发生故障,若系统发生故障,则对故障库进行层次聚类分析,按聚类结果逐层进行判别分析,最后进行模型匹配,确定故障类型,若一定时间内没有匹配到故障类型,则考虑匹配该样本邻域内的故障类型,若整个仿真时长内都没有匹配到故障类型,则表示CSTR系统发生了新的故障类型,将新的故障类型添加到故障库中,当再次发生该类型故障时需重新进行层次聚类分析。与直接进行模型匹配的故障诊断方法相比,减少了计算时间复杂度,降低计算负载,同时增加了故障诊断效率。
📄 2019109046431
📂 G07C3_00
👤 江南大学
📅 2019-09-24
本发明提供一种基于虚实融合的转子‑轴承系统故障诊断方法及系统,涉及信号检测技术领域,该方法包括:推导混合偏心不平衡磁拉力表达式,结合赫兹接触理论建立转子‑轴承系统孪生模型;引入转子偏心、轴承内/外圈故障,构建多故障工况孪生模型;通过改进遗传算法(引入特征敏感性评价因子、自适应交叉变异概率及模拟退火)对模型多参数辨识,获得修正孪生模型;基于修正模型生成孪生故障样本,利用带分类器的一维循环生成对抗网络(设计综合损失函数)训练生成贴近真实分布的样本;虚实融合样本形成平衡数据集,经一维卷积神经网络训练实现故障分类。本发明解决了故障数据匮乏、孪生模型与真实数据差异大等问题,提升了故障诊断精度与可靠性。
📄 2025107738772
📂 G06F18_2413
👤 江南大学
📅 2025-06-11
本发明公开了一种基于凸空间滤波的工业系统故障诊断方法,属于工业系统故障诊断领域。本方法根据系统的线性模型,获取系统的测量带信息和参数真值向量;根据系统的参数真值向量,确定包裹参数真值向量的初始化凸空间;根据系统k时刻的测量带信息与k‑1时刻的凸空间的交集判断有无发生故障;若系统没有发生故障,则求取k时刻的凸空间和正交凸空间,若系统发生故障,由凸空间测试集的状态立马隔离出故障参数,在仅扩容故障参数而不影响其他参数的滤波估计区间基础上,完成故障识别。该方法不仅降低了传统凸空间滤波方法的保守性,而且提升了系统的故障诊断精度。
📄 202110622763X
📂 G05B23_02
👤 江南大学
📅 2021-06-04
本发明提供一种边界引导的滚动轴承半监督故障诊断方法及系统,涉及轴承故障诊断技术领域,该方法包括:采集滚动轴承振动信号数据集,包括有标签样本和无标签样本;构建诊断网络;将时域与频域信号输入特征提取器提取特征;在特征提取器输出层进行交叉掩码对比学习,计算交叉掩码对比损失;在投影空间进行非对称预测对比学习,计算非对称预测对比损失;利用有标签样本构建边界引导机制,通过监督损失引导无标签样本聚合;引入一致性正则化机制,利用无标签样本的时频预测分布构建一致性损失;综合各损失训练网络至收敛;最终实现对无标签信号的故障诊断。本发明解决了有限标注下类间边界模糊和特征聚类质量差的问题,提升了诊断精度与鲁棒性。
📄 2025115913947
📂 G06F18_2413
👤 江南大学
📅 2025-11-03
本发明公开了一种基于改进残差和GRF特征融合的故障诊断方法及系统,所述方法包括对多源传感器信号整合;利用核主成分分析降维;采用改进残差网络、LSTM和Transformer并行提取特征;对各支路输出进行归一化与投影变换后,采用动态门控权重机制进行特征加权融合,并利用门控递归单元强化时序建模能力;最后引入阶段标记嵌入和动态缩放处理,通过全连接层和Softmax分类输出诊断结果;本发明融合了多传感器时频域全局与局部信息,显著提升了滚动轴承复杂故障的诊断精度。
📄 2025112885733
📂 G06F18_2415
👤 江南大学
📅 2025-09-10
本发明属于融合信号液压马达故障诊断技术领域,公开了一种融合信号液压马达故障诊断方法。本发明提供的一种融合信号液压马达故障诊断方法,通过采集液压马达的振动和声音信号,选取声音和振动信号中影响因素最大的均方根、标准差等10个特征值,采用同类标签拼接方法构建故障信息含量更高、更明显的融合特征向量。结合融合特征向量和LightGBM算法构建液压马达柱塞磨损的故障诊断模型,实现了液压马达柱塞3种程度磨损的快速、精确识别。最后对比分析了不同算法和不同信号之间的液压马达柱塞磨损识别结果,验证了该方法的优越性。
📄 2023116463197
📂 F15B19_00
👤 湖南科技大学
📅 2023-12-04
一种滚动轴承故障诊断方法,包括模型训练过程和诊断过程,过程中获取滚动轴承振动信息经连续小波变换处理后获得二维时频域图像,送入故障诊断模型进行处理。所述故障诊断模型的主体部分以RegNet网络为基础,引入ConvLSTM提取输入图像的时空特征,并馈送到RegNet残差网络中。ConvLSTM将残差网络中的特征信息作为输入,并生成隐藏状态,隐藏状态在该残差网络中与特征信息连接后在该残差网络的后续卷积中使用,前一层ConvLSTM输出的隐藏状态同时传递到下一层ConvLSTM。该方法在保证网络深度的同时,能更深层次的提取时空信息,增强模型提取故障特征的能力,使得对滚动轴承故障检测有较好的准确率。
📄 2024105592288
📂 G06F18_241
👤 洛阳理工学院
📅 2024-05-08
本发明公开了一种基于二进制模式和PBA‑ANN的电机故障诊断方法,包括:对电机故障数据采集,建立两种电机故障的声音数据集,即近故障声音信号数据集及远故障声音信号数据集;使用离散小波变换DWT和一维的二进制模式1D‑BP来完成对电机故障声音信号的特征提取,使用近邻成分分析法NCA来选取最具有代表性的电机故障特征,从而获得可以有效表征电机故障的典型特征;利用PBA算法优化ANN的权重,建立PBA‑ANN分类模型,并将其应用于电机故障的诊断与预测中。与现有技术相比,本发明完成对五台感应电机的工作状态及故障的诊断,包括健康、一个转子棒断裂故障、两个转子棒断裂故障、三个转子棒断裂故障、轴承故障。结果表明本发明诊断性能良好,可以显著提高电机故障的预测精度。
📄 2023104407745
📂 G10L17_26
👤 淮安大学
📅 2023-04-23
本发明涉及一种旋转机械故障特征提取方法及装置,包括:提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition,CLCD);采集同一截面水平及垂直方向的振动信号,将其组成一个复数信号;通过CLCD将该信号自适应分解成多个复内禀尺度分量,用全矢谱技术融合各分量的实部和虚部特征。本发明通过提出的CLCD方法直接对双通道的信号进行处理,确保了各个通道信号有相同的分解尺度,便于信息融合。并且运用了双线性变换,所以该方法自适应性强,故障特征提取全面、速度快、效率高,具有良好的技术效果。
📄 201711156210X
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
本发明公开了一种基于温差的管路连接异常检测方法及系统,涉及空调器技术领域,该基于温差的管路连接异常检测方法包括以下步骤:通过深度挖掘技术进行分析,得到初步判断结果;获取不同温度所对应的出风量数据,得到二次判断结果;利用局部粒子群算法对空调系统在正常运行条件下的温度差数据及出风量数据进行异常检测;利用信息增益计算温度差数据及出风量数据的权重值;利用波束形成法和时间序列分析法构建管路连接异常预测模型。本发明有助于更全面地了解空调系统的状态,通过实时监测和异常检测,可以在早期发现潜在的问题,从而保障空调系统的稳定运行,进而有效地帮助监测和预测空调系统的异常状态,提高系统的稳定性和资源效率。
📄 2023115999351
📂 F24F11_38
👤 江苏嘉尚环保科技有限公司
📅 2023-11-28