科创中国

航空航天、能源、国防等领域的重要装备对运行安全、可靠性要求严苛。如何准确 识别装备的动力学特性、评估关键易损零部件的健康状态，是保障服役安全、避免意外 事故的关键技术。然而， 该技术的难点之一在于， 当装备在非平稳工况下运行(如速度、 负荷随时间变化)时， 所采集的信号特征具有非平稳特点。传统的特征提取技术如时域 指标分析、频谱及包络谱分析等均基于平稳性假设，不再满足非平稳特征提取要求。而 现有的非平稳信号分析方法存在关键理论瓶颈，无法实现高分辨率特征提取。本成果基 于原创的自适应迭代广义解调分析理论，能够有效识别并表达非平稳特征，可用于复杂 装备的监测诊断等领域。

1. 具有自主知识产权，研究成果已授权国家发明专利 2 项； 2. 成果来源：国家自然科学基金面上项目； 3. 技术先进性： 国际先进， 比现有时频分析方法具备更高的分辨率、抵抗噪声干扰 能力； 4. 获 2020 年教育部自然科学二等奖。

1. 能够准确辨识机械信号中的时变频率成分。

2. 即使在强噪声干扰下，亦可自动甄别较弱的故障特征并准确揭示。

3. 具备高时频分辨率，不受交叉项/自项干扰。

性能指标：

理想时频分辨率、微弱特征自动识别。

冯志鹏教授，长期从事机械故障诊断与信号分析的研究。 机电系统动力学与故障诊断科研梯队由冯志鹏教授带领，现有专职教师 3 人，博士 研究生 7 人， 硕士研究生 12 人。研究方向主要包括机电系统动力学、健康监测与故障诊 断、信号处理、人工智能。团队拥有电机-行星齿轮传动系统、轴承、转子综合实验台、 LMS 数据采集系统、 PCB 系列传感器等仪器设备。近年来， 承担国家重点研发、国家自 然科学基金等项目 6 项。对交通车辆和能源动力等领域中的机电系统动力学机理、复杂 非平稳信号特征分析、智能诊断等问题进行了系统深入研究， 在 Mechanical Systems and Signal Processing 、Journal of Sound and Vibration 、IEEE 、ASME 等期刊上发表论文 40 余 篇，出版学术专著 2 本。

航空航天领域中，通过有效准确的特征提取， 能够揭示潜在的安全隐患，避免因结 构安全问题对航天发射任务造成影响；

能源电力领域，尽早地诊断、定位故障，能够避免计划外停机，指导相关维修与备 件管理，为相关企业大大降低运行维护成本。

目前处于何种研发阶段： ☐研发 ☒小试 ☐中试 ☐小批量生产 ☒产业化； 样机： ☐ 有 ☒无 其他： ☐如选择“其他”，请说明： 。

已投入成本：已完成非平稳特征提取技术国内外研究现状调研、已投入人力进行先 进自适应迭代广义解调理论研究， 已基于 Matlab 平台搭建应用算法程序， 并在旋转机械 振动信号分析中得到检验。

推广应用情况：未正式转让与推广。

期望技术转移成交价格(大概金额)：100 万元。