专利交易市场

本发明涉及一种旋转失速预测方法及装置，方法包括：基于获取到的无叶扩压器内液体稳定流动下的流体流量、无叶扩压器半径比、上游叶轮出口环量以及测量位置的半径，得到该无叶扩压器内流体的第一径向速度、第一切向速度、第一压力值以及第一旋度的解析解，分别向各解析解中添加扰动项，采用流动控制方程组进行处理以得到线性方程组，采用简正模对各解析解对应添加的扰动项进行扰动分析以得到流体在扰动状态下扰动项与时间、空间的扰动量对应关系；根据无叶扩压器的预设边界条件、线性方程组、扩压器进出口半径比以及模态数得到所述旋转失速临界点的流动角。通过上述方法，实现对旋转失速临界点的流动角的可靠预测，有效降低旋转失速工程预测成本。

本发明涉及一种基于区间型信度规则推理的旋转机械故障诊断方法。本发明能够对多种故障模式下获取的故障特征数据进行分类，并构造故障特征参数与故障类型的区间型信度规则库；在线获取特征输入参数与参考值匹配度，并计算规则激活权重；用激活权重对区间型信度进行修正，得到新的区间型信度；利用Dempster规则将这些被激活的区间型信度融合得到新的区间型信度，并根据区间证据下的决策准则，得到该在线故障特征所对应的故障类型。本发明采用区间型信度，描述故障特征信号对于故障模式发生的支持度，得到的故障决策结果包含了更多的信息容量，更加利于决策者做出判断。

本发明提供一种基于波形指标的旋转机械故障诊断方法，用信号分离的思想构建波形指标，克服现有波形指标诊断技术的缺点，提高诊断的精确度和可靠性，通过标准振动信号将实时采集振动信号分为无故障振动信号和混合信号，用混合信号和无故障振动信号构建波形指标，具有对故障诊断更加灵敏，更加能够通过信号的变化检测微弱故障特征信号。旋转机械设备正常运行和发生故障时，波形指标的取值范围重叠少，不同状态下波形指标变化明显，对裂轴故障比较敏感，能够很好地将此故障与其他故障区分开来，旋转机械故障诊断的精确度和可靠性高。

本发明涉及旋转机械故障信号处理和故障诊断领域，公开了一种基于LOD‑ICA的旋转机械故障诊断方法，实现以齿轮箱为主要部件的大型旋转机械的故障诊断。本发明采用基于噪声辅助分析的LOD方法对故障信号进行初步分解，将原有单通道信号分解为多个分量；其次，以这些分量构建多通道信号数据；最后，在满足观测通道数足够的条件下，采用ICA算法进一步对信号进行分解，获得独立信号分量。本发明可以解决常规算法分解后存在的模态混淆问题，成功提取出混合信号的故障特征,适用于信号的实时监测和旋转机械故障诊断。

本发明提供了一种智能化旋转机械故障诊断方法，属于机械故障诊断技术领域，其内容包括：首先，获取源域工况及目标域工况下的待故障诊断振动信号，并进行降噪处理；其次，通过短时傅里叶变换将降噪后的信号转换为二维时频图像，分别制作源域数据集和目标域数据集；再次，构建注意力增强网络（SE‑CNN‑BiLSTM‑MSMHA）并基于源域数据集对模型进行预训练，得到源域工况模型；随后，冻结源域工况模型部分参数，利用目标域数据对源域工况模型参数进行微调，得到目标域工况模型；最后，输入目标域数据，实现目标域工况的故障诊断。本发明成果可为提高强噪声背景下跨工况故障诊断准确率提供科学依据。