← 返回列表
基于孪生信息模型和实测数据融合的轴承故障诊断方法
申请人信息
- 申请人:南京工业大学
- 申请人地址:211816 江苏省南京市江北新区浦珠南路30号
- 发明人: 南京工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于孪生信息模型和实测数据融合的轴承故障诊断方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311740455.2 |
| 申请日 | 2023/12/18 |
| 公告号 | CN117744483A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 南京工业大学 |
| 发明人 | 王村松; 赵春旭; 张泉灵; 张登峰; 彭浩; 张梦怡; 周通; 何文敏 |
| 地址 | 江苏省南京市江北新区浦珠南路30号 |
摘要文本
本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。
专利主权项内容
1.基于孪生信息模型和实测数据融合的轴承故障诊断方法，其特征在于，包括以下步骤：S1、采集轴承故障的实测数据集，并通过三维建模建立孪生模型模拟轴承故障来获取仿真数据集；S2、对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，并通过数据预处理得到最优孪生模型；S3、根据实测振动数据集X和仿真振动数据集Y的可视化分析对最优孪生模型进行验证，分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；S4、将X和Y输入GANs对抗神经网络中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集X；AS5、将混合数据集X输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。A 来自马-克-数-据-官网