当前位置: www.766.net  ·  学术动态  ·  正文

www.766.net设备健康管理与智能诊断团队在国际权威期刊发表故障诊断最新研究成果

发布时间:2024-07-01   文章来源:机械学院   浏览:

近日,www.766.net机械工程学院郑近德教授团队在国际权威期刊《IEEE Transactions on Industrial Informatics》(中科院一区Top期刊,影响因子11.7)和《Advanced Engineering Informatics》(中科院一区Top期刊,影响因子8)连续发表设备故障诊断最新研究成果。研究工作得到了国家自然科学基金、安徽省高校杰出青年科研项目和安徽省高等学校科学研究重点项目等资助。

(所提方法MRSD和对比方法的降噪结果)


(所提方法MRSD和对比方法的能谱图结果)

为了克服机械设备状态特征评估指标伪单调性的问题,本研究设计了一种最大Ramanujan谱信噪比解卷积(MRSD)方法。MRSD通过v-Ramanujan谱为微弱状态特征评估提供最佳平面,提高了状态特征评估指标的准确性和噪声鲁棒性;设计了v-Ramanujan频谱信噪比指标,并将其作为目标函数更新滤波器,提高算法的降噪性能。相关研究成果发表在《IEEE Transactions on Industrial Informatics》,www.766.net为论文唯一单位,机械工程学院程健博士为论文第一编辑,潘海洋副教授为通讯编辑,郑近德教授为合作编辑。

(基于RSCMM模型的故障诊断流程图)


(五种不平衡比率下六种方法的不同度量雷达图)

此外,为了解决设备故障诊断中数据不平衡时的分类问题,本研究提出了一种鲁棒光滑约束矩阵机(RSCMM)。RSCMM通过设计动态调整因子,可以根据不平衡率动态调整损失项系数,提高数据不平衡下的识别性能;设计了RoBoSS损失项,弱化了噪声的影响和提高了模型的收敛速度。相关研究成果发表在《Advanced Engineering Informatics》,www.766.net为论文唯一单位,机械工程学院潘海洋副教授为论文第一编辑,郑近德教授为通讯编辑,刘庆运教授、童靳于高级实验师、邓书朝为合作编辑。

论文链接:https://ieeexplore.ieee.org/document/10568994

https://doi.org/10.1016/j.aei.2024.102667

(撰稿:潘海洋 审核:郑近德 张苒 黄敏)

关闭

  • 本科招生

  • 研究生招生

  • 人才招聘

  • 官方微信

  • 官方微博

佳山校区地址:安徽省马鞍山市湖东北路400号      邮编:243002

秀山校区地址:安徽省马鞍山市马向路1530号     邮编:243032

版权所有 ? 2020  www.766.net 【皖ICP备19010821 皖公网安备 34050302000234号】

XML 地图 | Sitemap 地图