专利交易市场

本申请涉及轴承故障分析领域，尤其涉及一种关于滚动球轴承剥落故障的确认方法，包括：建立滚动球轴承数学模型；建立关于滚动球轴承的剥落故障集合并且根据剥落故障集合确定若干种冲击力表达式，以及代入至滚动球轴承数学模型，得到故障动力学模型；获取滚动球轴承发生剥落故障时的振动信号并且分析振动信号，确定剥落故障的尺寸参数；转化振动信号为对照频域信号并且根据对照频域信号的特征频率确定剥落故障的发生位置和发生类型；代入剥落故障的发生位置和发生类型至故障动力学模型，得到实际频域信号，根据所述实际频域信号，确定剥落故障类别。通过本申请提供的确认方法获得的结果具有准确性和实际性的优点。

本发明公开了一种类加权对齐的局部域适应机械故障诊断方法，涉及旋转机械振动信号的故障诊断技术。本发明法首先采用卷积自动编码器提取源域和目标域的代表性特征，然后利用预训练源分类器的目标softmax输出，对跨两个域的共享类分配较大的权重，对无关类分配较小的权重，随后采用联合最大平均差异对跨域的全局特征进行对齐以最大限度地实现知识迁移，最后在共享分类器中插入一个域差异学习残差块来纠正和缓解域差异。通过域差异学习残差块。可以强制模型显式地学习域差异，既防止了特征可迁移性的减少，又便于从源域到目标域的域自适应，高效可靠的实现了不同工况下齿轮的故障特征迁移学习和智能诊断。

本发明公开了一种基于狼群参数化联合字典的机械故障稀疏表示方法，属于机械故障诊断技术领域。本发明结合稀疏表示原理提出一种基于联合字典的灰狼优化稀疏方法，将优化算法融入正交匹配追踪，通过内积运算选取与故障最匹配的联合字典原子，利用最优原子对故障信号进行重构，然后对重构信号进行包络分析，从而实现信号中瞬态特征成分的提取，有效表征故障信息，更准确地判断故障类型。本发明适用于滚动轴承故障诊断。

本发明公开了一种基于MPGA参数化共振稀疏分解的机械故障诊断方法，用于提升机械轴承故障特征提取与故障类型辨识的精度。本发明根据轴承故障振动信号特征构建小波基函数库，将优化算法融入到共振稀疏分解方法中，通过优化算法在共振稀疏分解中自适应的获得与故障振动信号最佳匹配的参数，利用所获得的参数对振动信号进行共振稀疏分解，然后将得到的低共振分量进行包络分析，进而实现轴承故障特征的准确提取。本发明适用于滚动轴承故障诊断。

本发明公开了一种齿轮的故障诊断方法，首先构建齿轮故障分类器，然后获取未知齿轮的振动信号，并对该未知齿轮的振动信号进行分解，得到未知齿轮的固有旋转分量，进一步计算得到未知齿轮的样本熵特征向量；最后利用齿轮故障分类器对该未知齿轮的样本熵特征向量数据进行比对分类，得到该未知齿轮故障类型的诊断结果。本发明方法的优点是：计算复杂度比较低，信号分解效率高；信号分解的边缘效应只出现在第一个上过零点时刻之前，不会随信号分解不断传输，获取的不同类型故障特征区别明显，诊断精确度高。

本发明属于机械故障诊断领域，具体为一种基于改进果蝇-蝙蝠算法的机械故障诊断方法，包括以下步骤从采集的机械运行状态信号中提取时域统计特征和频域统计特征；采用机械故障诊断训练样本集来训练支持向量机；以果蝇算法为框架，融入蝙蝠算法的回声定位思想，设计出改进果蝇-蝙蝠参数优化方法，并采用该方法来寻找支持向量机的全局最优参数；将得到的全局最优参数代入支持向量机，完成基于支持向量机的故障诊断模型的构建。本发明能够在较短的时间内获得最优的支持向量机参数，有效提高了基于支持向量机的故障诊断模型的构建效率和故障分类准确率，具有很好的实际应用效果。