CN116202760A - 用于机械故障诊断的三阶张量的奇异值分解方法及系统 - Google Patents
用于机械故障诊断的三阶张量的奇异值分解方法及系统 Download PDFInfo
- Publication number
- CN116202760A CN116202760A CN202310493123.2A CN202310493123A CN116202760A CN 116202760 A CN116202760 A CN 116202760A CN 202310493123 A CN202310493123 A CN 202310493123A CN 116202760 A CN116202760 A CN 116202760A
- Authority
- CN
- China
- Prior art keywords
- order
- tensor
- dimension
- representing
- singular value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003745 diagnosis Methods 0.000 title claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000003672 processing method Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及故障诊断技术领域,公开了一种用于机械故障诊断的三阶张量的奇异值分解方法及系统,该方法包括以下步骤:1)以设定的采用频率和采样点数从多个通道对机械工作时所产生的信号进行采集;2)将待诊断的多个通道所采集得到的信号构建为一个三阶张量信号;3)对所构建的三阶张量信号采用张量奇异值分解公式进行自适应分解以获得分量信号;4)对比所获得的分量信号的频率与机械故障特征频率是否一致,以诊断机械是否存在故障。本发明能够为机械设备故障诊断和状态监测提供基础支撑,实现多通道信号的有效分解和故障特征识别,避免机械设备漏诊问题,从而防止因设备故障引起重大事故发生。
Description
技术领域
本发明涉及故障诊断领域,尤其是涉及一种用于机械故障诊断的三阶张量的奇异值分解方法及系统。
背景技术
随着科技的快速发展,自动化程度日益提高,机械设备在工业生产中产生的作用也逐渐增大。机械在运转过程中产生的任何故障都有可能导致人员伤亡和巨大的经济损失。因此,对其运行状态的监测和故障诊断具有重要的意义。机械的故障振动信号是非平稳信号且含有大量噪声等干扰信号,这给基于信号处理的故障诊断技术带来极大的困难,并且工程实际中的信号就是此类信号,所以研究信号处理方法具有很大的工程应用价值。
近年来,研究学者们将矩阵奇异值分解算法应用于机械故障诊断领域并取得了一定的进展,但是现有的矩阵奇异值分解方法存在着一定的不足,其中最主要的体现便是它无法处理多通道信号,无法提取多通道信号之间的固有耦合关系。而在工程实际中,往往测取的是多通道信号,这就难以满足工程的实际需求。
发明内容
本发明一方面所要解决的技术问题是提供了一种用于机械故障诊断的三阶张量的奇异值分解方法,能够为机械设备故障诊断和状态监测提供基础支撑,实现多通道信号的有效分解和故障特征识别,避免机械设备漏诊问题,从而防止因设备故障引起重大事故发生。
为了解决上述技术问题,本发明提供了一种用于机械故障诊断的三阶张量的奇异值分解方法,该方法包括以下步骤:
1)以设定的采用频率和采样点数从多个通道对机械工作时所产生的信号进行采集;
2)将待诊断的多个通道所采集得到的信号构建为一个三阶张量信号;
3)对所构建的三阶张量信号采用张量奇异值分解公式进行自适应分解以获得分量信号;
所述张量奇异值分解公式包括以下步骤:
31)构建任意阶张量与任意阶张量的o模式积乘法规则;
32)根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;
33)根据三阶张量奇异值分解公式确定分解后张量的阶数和维数;
4)对比所获得的分量信号的频率与机械故障特征频率是否一致,以诊断机械是否存在故障。
其中,中的p和q分别表示张量和张量中参与张量o模式积的阶数顺序为正序还是逆序,若为‘1’则表示正序,若为‘2’则表示逆序,且o=1, 2, …, min(m, n)-1;I 1、I 2、…、I m 分别表示张量的第一阶维数、第二阶维数、…第m阶维数;同理,J 1、J 2、…、J n 分别表示张量的第一阶维数、第二阶维数、…第n阶维数;k 1、 k 2、…、k m+n-2o 分别表示o模式积后结果张量的第一阶维数、第二阶维数、…第m+n-2o阶维数;为张量的第二阶至第m阶的元素形式表达式;为张量的第一阶至第n-1阶的元素形式表达式;s 1表示参与o模式积运算的第1个阶,S 1为相应阶的维数;同理,s o表示参与o模式积运算的第o个阶,S o为相应阶的维数。
优选地,所述m阶张量与与n阶张量之间的o模式积的阶数为正序或逆序时的参数计算公式如下所示:
其中,和表示张量的第二阶至第m阶参数,如中的s 1对应于张量的第二阶i 2,以此类推,对应于张量的第m阶i m ;表示的值等于张量的第o+1阶维数,表示的值等于张量的第m-o+1阶维数;和表示张量的第一阶至第n阶参数;表示的值等于张量的第o阶维数,表示的值等于张量的第n-o阶维数。
其中,表示张量和参与o模式积运算的阶数顺序都为正序;表示张量和参与o模式积运算的阶数顺序分别为正序和逆序;表示张量和参与o模式积运算的阶数顺序分别为逆序和正序;表示张量和参与o模式积运算的阶数顺序都为逆序。
其中,表示张量为二阶张量,张量的第一阶维数为I 1,第二阶维数为I 2;表示张量为四阶张量,第一阶维数为I 1,第二阶维数为I 2,第三阶维数为I 2,第四阶维数为I 1;表示张量为三阶张量,且第一阶维数为I 1,第二阶维数为I 2,第三阶维数为I 3;表示第一阶维数为I 2,第二阶维数为I 1,第三阶维数为I 3;表示四阶张量的第一阶维数为I 2,第二阶维数为I 3,第三阶维数为I 2,第四阶维数为I 3;表示四阶张量的第一阶维数为I 3,第二阶维数为I 2,第三阶维数为I 2,第四阶维数为I 3;表示二阶张量的第一阶维数和第二阶维数都为I 3。
本发明第二方面公开了一种张量数据分解系统,所述系统包括:
数据获取模块,用于获取机械运作时所产生的张量信号;
张量分解模块,用于对所述张量信号进行处理,通过构建任意阶张量与任意阶张量的o模式积乘法规则;根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;根据三阶张量奇异值分解公式确定分解后张量的阶数和维数。
本发明还公开了一种可读存储介质,该可读存储介质上存储有可执行指令,该可执行指令被执行时采用本发明第一方面所述的方法步骤。
本发明还公开了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时适于采用本发明第一方面所述方法的步骤。
通过上述技术方案,本发明的用于机械故障诊断的三阶张量的奇异值分解方法通过以设定的采用频率和采样点数从多个通道对机械工作时所产生的信号进行采集;将待诊断的多个通道所采集得到的信号构建为一个三阶张量信号;对所构建的三阶张量信号采用张量奇异值分解公式进行自适应分解以获得分量信号;对比所获得的分量信号的频率与机械故障特征频率是否一致,以诊断机械是否存在故障,采用该诊断方法能够处理现有的矩阵奇异值分解方法中所无法处理多通道信号的缺陷,从而能够为机械设备的故障诊断和状态监测提供基础支撑,并且实现了多通道信号的有效分解和故障特征识别,避免机械设备漏诊问题,从而防止因设备故障引起重大事故的发生。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
图1为本发明具体实施方式的用于机械故障诊断的三阶张量的奇异值分解方法的机械故障诊断方法的流程示意图;
图2为本发明具体实施方式的用于机械故障诊断的三阶张量的奇异值分解方法的工作原理图;
图3为本发明具体实施方式的用于机械故障诊断的三阶张量的奇异值分解方法所采集的水平方向通道信号的时域波形图;
图4为本发明具体实施方式的用于机械故障诊断的三阶张量的奇异值分解方法的自适应分解得到的第一个分量信号图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置”、“连接”应做广义理解,例如,术语“连接”可以是固定连接,也可以是可拆卸连接,或者是一体连接;可以是直接连接,也可以是通过中间媒介间接连接,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示,本发明具体实施方式的一种用于机械故障诊断的三阶张量的奇异值分解方法,该机械故障的诊断方法包括以下步骤:
1)以设定的采用频率和采样点数从多个通道对机械工作时所产生的信号进行采集;
2)将待诊断的多个通道所采集得到的信号构建为一个三阶张量信号;
3)对所构建的三阶张量信号采用张量奇异值分解公式进行自适应分解以获得分量信号;
4)对比所获得的分量信号的频率与机械故障特征频率是否一致,以诊断机械是否存在故障
在上述的工作步骤中,能够通过对多通道的内所产生的信号进行采集,并将采集得到的信号进行重组处理,并且对于张量数据并不受限制,能够适用于多种工程机械。
其中,如图2所示,张量奇异值分解方法包括以下步骤:
31)构建任意阶张量与任意阶张量的o模式积乘法规则;
32)根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;
33)根据三阶张量奇异值分解公式确定分解后张量的阶数和维数。
其中,中的p和q分别表示张量和张量中参与张量o模式积的阶数顺序为正序还是逆序,若为‘1’则表示正序,若为‘2’则表示逆序,且o=1, 2, …, min(m, n)-1;I 1、I 2、…、I m 分别表示张量的第一阶维数、第二阶维数、…第m阶维数;同理,J 1、J 2、…、J n 分别表示张量的第一阶维数、第二阶维数、…第n阶维数;k 1、 k 2、…、k m+n-2o 分别表示o模式积后结果张量的第一阶维数、第二阶维数、…第m+n-2o阶维数;为张量的第二阶至第m阶的元素形式表达式;为张量的第一阶至第n-1阶的元素形式表达式;s 1表示参与o模式积运算的第1个阶,S 1为相应阶的维数;同理,s o表示参与o模式积运算的第o个阶,S o为相应阶的维数。
其中,所述m阶张量与与n阶张量之间的o模式积的阶数为正序或逆序时的参数计算公式如下所示:
其中,和表示张量的第二阶至第m阶参数,如中的s 1对应于张量的第二阶i 2,以此类推,对应于张量的第m阶i m ;表示的值等于张量的第o+1阶维数,表示的值等于张量的第m-o+1阶维数;和表示张量的第一阶至第n阶参数;表示的值等于张量的第o阶维数,表示的值等于张量的第n-o阶维数。
其中,表示张量和参与o模式积运算的阶数顺序都为正序;表示张量和参与o模式积运算的阶数顺序分别为正序和逆序;表示张量和参与o模式积运算的阶数顺序分别为逆序和正序;表示张量和参与o模式积运算的阶数顺序都为逆序。
需要说明的是,对于张量数据所采用的乘法规则并不限于上述的四种,其他符合要求的乘法规则均可适用。
其中,表示张量为二阶张量,张量的第一阶维数为I 1,第二阶维数为I 2;表示张量为四阶张量,第一阶维数为I 1,第二阶维数为I 2,第三阶维数为I 2,第四阶维数为I 1;表示张量为三阶张量,且第一阶维数为I 1,第二阶维数为I 2,第三阶维数为I 3;表示第一阶维数为I 2,第二阶维数为I 1,第三阶维数为I 3;表示四阶张量的第一阶维数为I 2,第二阶维数为I 3,第三阶维数为I 2,第四阶维数为I 3;表示四阶张量的第一阶维数为I 3,第二阶维数为I 2,第三阶维数为I 2,第四阶维数为I 3;表示二阶张量的第一阶维数和第二阶维数都为I 3。
为了能够便于理解,因此将该分解方法带入至实际的机械设备中进行论述,在此采用NSK6308轴承作为展示,但并不限于该机械装置,通过在轴承座的水平和垂直方向上都安装振动加速度传感器,并以采样频率f s =65536Hz和采样点数N=131072进行同步采集,水平方向通道信号的时域波形如图3所示,从图3中可以看出,信号中含有各种噪声信号。将这两个通道的振动加速度信号构建为一个三阶张量信号,其中I 1设置为20000,I 2 设置为3120,I 3设置为2;采用张量奇异值分解公式对该张量进行自适应分解以获得分解后的结果,本实施例中采用的分解公式为:
采用上述的分解公式进行分解得到图4,图4为自适应分解后得到的第一个分量信号,从图4中可以看出,图4中有7个非常明显的周期性信号,且信号的频率与轴承外圈故障特征频率一致,也就说明可以从噪声信号中提取出轴承周期性的故障特征,通过该三阶张量奇异值分解方法,可实现工程信号的分析和处理,为机械设备故障诊断和状态监测提供基础支撑,防止因设备故障引起的重大事故发生,因此具有重要的实用性和工程价值。
本发明还提供了一种张量数据分解系统,该系统包括:
数据获取模块,用于获取机械运作时所产生的张量信号;
张量分解模块,用于对所述张量信号进行处理,通过构建任意阶张量与任意阶张量的o模式积乘法规则;根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;根据三阶张量奇异值分解公式确定分解后张量的阶数和维数。
由于本实施例所介绍的张量数据分解系统为实现本申请实施例张量数据分解方法所采用的系统,故而基于本申请上述实施例中所介绍的张量数据分解方法,本领域所属技术人员能够了解本实施例的系统的具体实施方式以及其各种变化形式,所以在此对于如何利用本中的系统实现实施例一中的方法不再详细介绍。只要本领域所属技术人员用于实现本申请实施例中张量数据分解方法所采用的系统,都属于本申请所欲保护的范围。
基于与前述实施例中同样的发明构思,本发明实施例还提供了一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文任一实施例所述的方法步骤。
基于与前述实施例中同样的发明构思,本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,处理器执行所述程序时以能够实现前文任一实施例所述方法的步骤。
在本发明的描述中,参考术语“一个实施例”、“一些实施例”、“一种实施方式”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于此。在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,包括各个具体技术特征以任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。但这些简单变型和组合同样应当视为本发明所公开的内容,均属于本发明的保护范围。
Claims (9)
1.一种用于机械故障诊断的三阶张量的奇异值分解方法,其特征在于,该方法包括以下步骤:
1)以设定的采用频率和采样点数从多个通道对机械工作时所产生的信号进行采集;
2)将待诊断的多个通道所采集得到的信号构建为一个三阶张量信号;
3)对所构建的三阶张量信号采用张量奇异值分解公式进行自适应分解以获得分量信号;
所述张量奇异值分解公式包括以下步骤:
31)构建任意阶张量与任意阶张量的o模式积乘法规则;
32)根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;
33)根据三阶张量奇异值分解公式确定分解后张量的阶数和维数;
4)对比所获得的分量信号的频率与机械故障特征频率是否一致,以诊断机械是否存在故障。
2.根据权利要求1所述的用于机械故障诊断的三阶张量的奇异值分解方法,其特征在于,步骤31)中,首先设定m阶张量中有o阶的维数与n阶张量中o阶的维数对应相等,它们之间的乘法定义为o模式积,则m阶张量与n阶张量之间的o模式积为:
其中,中的p和q分别表示张量和张量中参与张量o模式积的阶数顺序为正序还是逆序,若为‘1’则表示正序,若为‘2’则表示逆序,且o=1, 2, …, min(m, n)-1;I 1、I 2、…、I m 分别表示张量的第一阶维数、第二阶维数、…第m阶维数;同理,J 1、J 2、…、J n 分别表示张量的第一阶维数、第二阶维数、…第n阶维数;k 1、 k 2、…、k m+n-2o 分别表示o模式积后结果张量的第一阶维数、第二阶维数、…第m+n-2o阶维数;为张量的第二阶至第m阶的元素形式表达式;为张量的第一阶至第n-1阶的元素形式表达式;s 1表示参与o模式积运算的第1个阶,S 1为相应阶的维数;同理,s o表示参与o模式积运算的第o个阶,S o为相应阶的维数。
6.根据权利要求5所述的用于机械故障诊断的三阶张量的奇异值分解方法,其特征在于,根据所得到三阶张量的三阶维数I 1、I 2和I 3以及选定的o、p、q参数,进一步确定、和三个张量的阶数及各个阶的维数,具体表达式如下:
7.一种张量数据分解系统,其特征在于,所述系统包括:
数据获取模块,用于获取机械运作时所产生的张量信号;
张量分解模块,用于对所述张量信号进行处理,通过构建任意阶张量与任意阶张量的o模式积乘法规则;根据任意阶张量与任意阶张量的o模式积乘法规则,得出三阶张量奇异值分解公式;根据三阶张量奇异值分解公式确定分解后张量的阶数和维数。
8.一种可读存储介质,该可读存储介质上存储有可执行指令,其特征在于,该可执行指令被执行时采用权利要求1-6中任一项所述的方法步骤。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时适于采用权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310493123.2A CN116202760B (zh) | 2023-05-05 | 2023-05-05 | 用于机械故障诊断的三阶张量的奇异值分解方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310493123.2A CN116202760B (zh) | 2023-05-05 | 2023-05-05 | 用于机械故障诊断的三阶张量的奇异值分解方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116202760A true CN116202760A (zh) | 2023-06-02 |
CN116202760B CN116202760B (zh) | 2023-08-18 |
Family
ID=86515029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310493123.2A Active CN116202760B (zh) | 2023-05-05 | 2023-05-05 | 用于机械故障诊断的三阶张量的奇异值分解方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116202760B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004084186A1 (de) * | 2003-03-21 | 2004-09-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und verfahren zum analysieren eines informationssignals |
CN109919200A (zh) * | 2019-02-15 | 2019-06-21 | 河海大学 | 一种基于张量分解和域适应的图像分类方法 |
CN110084834A (zh) * | 2019-04-28 | 2019-08-02 | 东华大学 | 一种基于快速张量奇异值分解特征降维的目标跟踪方法 |
CN110414150A (zh) * | 2019-07-30 | 2019-11-05 | 华东交通大学 | 一种桥梁时变系统的张量子空间连续系统识别方法 |
CN110941789A (zh) * | 2018-09-21 | 2020-03-31 | 北京地平线机器人技术研发有限公司 | 张量运算方法和装置 |
CN114235412A (zh) * | 2021-12-28 | 2022-03-25 | 频率探索智能科技江苏有限公司 | 三阶张量秩一分解方法 |
CN114997216A (zh) * | 2022-05-16 | 2022-09-02 | 电子科技大学 | 一种基于张量多模态特征高阶匹配的轴承故障识别方法 |
CN115717993A (zh) * | 2022-12-02 | 2023-02-28 | 赛腾机电科技(常州)有限公司 | 多通道信号自适应分解方法 |
CN115935141A (zh) * | 2022-12-02 | 2023-04-07 | 赛腾机电科技(常州)有限公司 | 第二类三阶张量分解方法、装置及其轴承故障检测系统 |
CN116026591A (zh) * | 2022-12-02 | 2023-04-28 | 赛腾机电科技(常州)有限公司 | 张量奇异谱分解方法 |
-
2023
- 2023-05-05 CN CN202310493123.2A patent/CN116202760B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004084186A1 (de) * | 2003-03-21 | 2004-09-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und verfahren zum analysieren eines informationssignals |
CN110941789A (zh) * | 2018-09-21 | 2020-03-31 | 北京地平线机器人技术研发有限公司 | 张量运算方法和装置 |
CN109919200A (zh) * | 2019-02-15 | 2019-06-21 | 河海大学 | 一种基于张量分解和域适应的图像分类方法 |
CN110084834A (zh) * | 2019-04-28 | 2019-08-02 | 东华大学 | 一种基于快速张量奇异值分解特征降维的目标跟踪方法 |
CN110414150A (zh) * | 2019-07-30 | 2019-11-05 | 华东交通大学 | 一种桥梁时变系统的张量子空间连续系统识别方法 |
CN114235412A (zh) * | 2021-12-28 | 2022-03-25 | 频率探索智能科技江苏有限公司 | 三阶张量秩一分解方法 |
CN114997216A (zh) * | 2022-05-16 | 2022-09-02 | 电子科技大学 | 一种基于张量多模态特征高阶匹配的轴承故障识别方法 |
CN115717993A (zh) * | 2022-12-02 | 2023-02-28 | 赛腾机电科技(常州)有限公司 | 多通道信号自适应分解方法 |
CN115935141A (zh) * | 2022-12-02 | 2023-04-07 | 赛腾机电科技(常州)有限公司 | 第二类三阶张量分解方法、装置及其轴承故障检测系统 |
CN116026591A (zh) * | 2022-12-02 | 2023-04-28 | 赛腾机电科技(常州)有限公司 | 张量奇异谱分解方法 |
Non-Patent Citations (3)
Title |
---|
李晓明;吕勇;易灿灿;黄震西;: "基于张量奇异谱分解的机械故障特征提取方法研究", 机械设计与制造, no. 07 * |
许小伟;沈琪;严运兵;吴强;张楠;: "基于张量Tucker分解的发动机故障诊断", 中国机械工程, no. 05 * |
韩峰;魏国华;吴嗣亮;: "基于张量分解的子空间频率估计及应用", 现代电子技术, no. 18 * |
Also Published As
Publication number | Publication date |
---|---|
CN116202760B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cui et al. | Rolling element fault diagnosis based on VMD and sensitivity MCKD | |
CN108731923B (zh) | 一种旋转机械设备的故障检测方法及装置 | |
Zimroz et al. | Two simple multivariate procedures for monitoring planetary gearboxes in non-stationary operating conditions | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
CN102269655B (zh) | 一种轴承故障的诊断方法 | |
AU2012284459A1 (en) | Method of sequential kernel regression modeling for forecasting and prognostics | |
CN115825635A (zh) | 一种船舶机舱机电设备状态监测及故障诊断方法 | |
CN111811819A (zh) | 一种基于机器学习的轴承故障诊断方法及装置 | |
CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
CN112633098A (zh) | 一种旋转机械故障诊断方法、系统及存储介质 | |
CN111881594A (zh) | 一种核动力设备的非平稳信号状态监测方法及系统 | |
Wegerich et al. | Nonparametric modeling of vibration signal features for equipment health monitoring | |
CN114266197A (zh) | 一种水电站设备故障诊断方法 | |
CN115481666B (zh) | 一种齿轮箱小样本故障诊断方法、系统及设备 | |
CN114235412B (zh) | 三阶张量秩一分解方法 | |
Neupane et al. | Deep learning-based bearing fault detection using 2-D illustration of time sequence | |
CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
Lu et al. | Early fault warning and identification in condition monitoring of bearing via wavelet packet decomposition coupled with graph | |
CN116202760B (zh) | 用于机械故障诊断的三阶张量的奇异值分解方法及系统 | |
CN111141519A (zh) | 一种滚动轴承故障定量评估方法 | |
CN118243382A (zh) | 一种用于轴承故障诊断和劣化追踪的特征指标 | |
Wegerich | Similarity‐based modeling of vibration features for fault detection and identification | |
CN110598680A (zh) | 一种机械设备健康状态评估方法、系统和可读存储介质 | |
Srilakshmi et al. | A Review on Fault Detection Diagnosis and Prognosis in Vibration Measurement through Wavelets on Machine Elements | |
CN116467592A (zh) | 一种基于深度学习的生产设备故障智能监测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |