本发明公开一种轴承故障诊断模拟实验装置，其特征在于：包括底座，底座上部连接有若干立柱，立柱上部连接有基座，基座中间位置设置有转动盘，底座上部设有驱动机构，驱动机构能够驱动转动盘在基座上转动，转动盘上部设有支撑柱和储液腔，支撑柱上方设有安装盘，安装盘和支撑柱之间连接有若干支撑梁，安装盘上开设有三个滑槽，滑槽内滑动设置有固定块，固定块上部连接有限位柱，固定块远离安装盘圆心的一侧设有引导斜面。本发明能够方便地对轴承的内圈和外圈进行分别固定，更好地对轴承进行检测。
📄 2021105996752
📂 G01M13_045
👤 浙江工业职业技术学院
📅 2021-05-31
本发明公开了一种爪极发电机整流电路故障诊断方法、系统、设备及介质，方法包括下述步骤：S1、根据待测爪极发电机的机械参数以及运作转速，利用解析法获取待测爪极发电机的理论电磁力空间阶次和频率信息；S2、采集待测测爪极发电机整机散逸至空气声场中的噪声时域信号；S3、获取待测电机的噪声频率谱；S4、对于步骤S3中获得的噪声频谱，识别其噪声幅度最大的谐波频率，并与S1解析计算的结果进行对比，根据二者峰值噪声谐波的频次是否相同，判断是否发生单管开路故障或短路故障。本发明基于输出直流电流和电机噪声时域信号，在无需对电机进行拆卸的情况下，能对车载爪极电机整流二极管单管断路和短路情况进行快速诊断。
📄 2022105261445
📂 G01R31_26
👤 华南农业大学
📅 2022-05-16
本发明涉及电气设备故障诊断技术领域，公开了基于动态自适应的电气设备多模态故障诊断方法，该方法包括获取含振动、温度、电流信号的原始多模态信号流，输入动态自适应诊断网络，得到故障特征匹配结果集并确定各模态结果。该网络由历史故障数据训练而成，数据含从连续多模态信号提取的时域、频域及融合特征参数，及对应的故障类型标签、置信度系数。网络含跨模态特征融合、时空特征编码等模块，当至少两模态结果置信度系数超动态阈值时触发三级预警。本方法提升诊断全面性、准确性与实时性，适用于电气设备故障诊断。
📄 2025108297940
📂 G06F18_2415
👤 龙岩学院
📅 2025-06-20
本发明公开了一种基于解耦‑‑融合生成对抗网络的风电轴承故障诊断方法，包括：获取风电轴承在不同故障工况下的振动信号，并将其转换为二维时频图像；构建双生成器结构的生成对抗网络，其中两个生成器分别用于对时间域特征和频率域特征进行独立建模，实现时频特征的解耦提取；在双生成器中分别引入轴向注意力机制，沿时间轴和频率轴分别建模，以增强对局部跨维相关性的捕获能力；设计跨域融合模块，将两个生成器提取的时间域特征与频率域特征进行融合，生成高保真的时频图像；将生成的时频图像与真实时频图像共同用于训练故障诊断模型，实现对风电轴承故障的分类与识别本发明进一步提升提高故障诊断性能。
📄 2026105090613
📂 G01M13_04
👤 南京信息工程大学
📅 2026-04-17
本发明公开了一种轴承故障诊断方法和装置，属于轴承故障诊断技术领域，方法包括：获取轴承的振动信号并将其转换为脉冲序列；将脉冲序列输入到训练好的脉冲协同网络模型中，从脉冲序列中提取高维特征，对高维特征进行分类，得到故障类型标签；还包括对训练所用样本采用周期性冲击时间切片、自适应噪声注入、时域形态扭曲、故障敏感频段增强、频域随机掩码和时频联合掩码中的任意一种方式进行物理增强。本发明通过物理增强方法的设计融合故障物理先验，生成的增强样本与真实故障分布贴合，覆盖时域、频域及时频联合变换，增强样本多样性和物理真实性，从而提高模型对跨工况下故障特征的稳定表达，进而提高轴承故障诊断的精确度。
📄 2026101967575
📂 G06F18_241
👤 南京信息工程大学
📅 2026-02-11
本发明公开了一种基于深度图网络的化工过程故障诊断方法，所述方法包括以下步骤：(1)数据的获取和整合；(2)数据选择和排序；(3)建立因果有向图；(4)建模训练；(5)模型测试。本发明方法采用基于深度图网络的化工过程故障诊断方法，提高了故障的识别效果，同时也准确定位故障变量，具有普遍性和通用性。
📄 2021116336690
📂 G06F18_22
👤 浙江工业大学
📅 2021-12-28
本发明公开了一种基于XGBoost特征提取的压缩机故障诊断方法。首先，根据故障数据与故障类型自定义XGBoost算法的损失函数，迭代构建故障分裂树；其次，提取样本在故障树中的叶子结点位置索引向量并进行特征编码重构，得到隐含故障信息的智能化表征；然后，基于该表征矩阵，使用SVM、神经网络算法分别建立故障预测模型，实现多故障模式的预测诊断。这种方法的特点是，能够充分挖掘数据中隐含故障特征信息，使故障诊断预测的精度更高。
📄 2019101004661
📂 G06F18_2113
👤 浙江工业大学
📅 2019-01-31
本发明公开了一种改进贝叶斯优化的LightGBM故障诊断方法，包括以下步骤：1)确定LightGBM模型需要优化的超参数及超参数取值范围；2)对贝叶斯优化算法进行改进，得到改进贝叶斯优化算法GP‑ProbHedge；3)使用步骤2)的方法结合五折交叉验证方式选取故障诊断模型最优超参数组合；4)构建改进贝叶斯优化LightGBM故障诊断模型，并给出模型迭代过程及优化结果。通过采用上述技术，与现有技术相比，本发明提出一种改进的贝叶斯优化算法对故障模型的参数进行优化选取，通过对传统贝叶斯优化算法的采集函数及其高斯过程的协方差函数进行改进，同时提出改进贝叶斯优化LightGBM故障诊断方法，对设备的故障进行诊断预测。
📄 2019105321393
📂 G06Q10_04
👤 浙江工业大学
📅 2019-06-19
公共自行车故障诊断方法，包括：步骤1.确定自行车变量及故障类型；步骤2.生成自行车属性集；步骤3.确定故障诊断方法；4.确定属性对类的贡献；5.确定评价指标。本发明通过贝叶斯分类器对待诊断的自行车属性进行分类，分析结果，判断自行车是否存在故障。模型能够在最短的时间内查找故障自行车，提高故障自行车诊断的效率，并且通过不断地学习提升诊断正确率，对公共自行车的发展具有重要的指导意义。
📄 2018101561779
📂 G07C5_00
👤 浙江工业大学
📅 2018-02-24
基于知识共享和模型迁移的全封闭压缩机故障诊断方法，属于压缩机故障诊断技术领域。它包括以下步骤：一、数据准备及预处理；二、迁移模型准备及模型独立训练；三、构建判别器、训练判别器及再训练目标迁移模型；四、训练分类器；步骤五、故障诊断。本发明不需要目标域设备提供数据标签，仅提供部分无标记数据即可，大大降低数据依赖程度；利用梯度下降算法实现目标域特征向量分布项源域特征向量的靠近，实现模型迁移；利用深度稠密连接自编码器结构实现无监督特征学习，再次降低数据依赖程度；针对振动信号这类超长时序数据，深度密连接网络结构可实现超长序列数据的高效训练，通过将一维超长数据折叠成二维数据结构，可大大提高数据使用效率。
📄 2020109969266
📂 G06F18_241
👤 浙江工业大学
📅 2020-09-21
基于频谱核密度函数相关性比较的齿轮箱故障诊断方法，首先针对齿轮箱的每种故障状态，分别采样多组振动数据；然后针对每种故障状态的多组振动数据，分别先后进行FFT计算、频谱预处理、频率分布直方图转化、核密度函数估计以及核密度函数平均化计算，得到齿轮箱每种故障状态的标准核密度函数；最后针对齿轮箱在未知故障状态下的振动数据，计算其核密度函数与各种故障状态标准核密度函数之间的相关系数，利用相关系数最大值对应的标准核密度函数对齿轮箱的故障状态进行诊断。本发明不需要对齿轮箱振动数据频谱的细节进行深入分析，亦不依赖于维护人员对于齿轮箱故障诊断方法的认知和经验，故障诊断准确率高，适合于计算机智能化实现。
📄 2017101923169
📂 G01M13_02
👤 浙江工业大学之江学院
📅 2017-03-28
本发明公开了一种基于物理信息神经网络的齿轮箱故障诊断方法。首先，在齿轮箱中布置振动信号采集系统，获取振动和角速度信号，建立有标签的实测数据集，并通过建立齿轮动力学模型，得到有标签的仿真数据集。然后，利用实测和仿真数据集训练长短期记忆网络(LSTM)构成的物理信息神经网络，以振动和角速度信号为输入，输出时变啮合刚度曲线。接着，将啮合刚度曲线数据提取特征，形成故障分类训练集，并利用该数据集训练支持向量机(SVM)模型。最终，将实际采集的振动数据输入物理信息神经网络和SVM模型，实现齿轮箱故障的准确诊断。
📄 2024117047193
📂 G01M13_021
👤 浙江工业大学
📅 2024-11-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台