-
公开(公告)号：CN114955922B
公开(公告)日：2022-10-25
申请号：CN202210918717.9
申请日：2022-08-02
Applicant: 东北林业大学
Abstract: 本发明公开了一种机械设备故障维修用吊装装置，包括底座、升降架、起重装置、微阻力旋转组件和非对称式夹紧装置，所述升降架设于底座上，所述起重装置设于升降架上，所述微阻力旋转组件活动设于升降架上，所述非对称式夹紧装置设于微阻力旋转组件上；所述微阻力旋转组件包括外圈体、电磁圈一、电磁圈二、旋转轴一、磁芯轴、滑块和限位板组件。本发明涉及机械设备维修辅助装置，具体是指一种能够对各种形状的机械设备进行充分夹持、在维修时可以对机械设备调整角度、并且在机械设备失速掉落时能够迅速使机械设备停止下落的机械设备故障维修用吊装装置。
-
公开(公告)号：CN118130091A
公开(公告)日：2024-06-04
申请号：CN202410346988.0
申请日：2024-03-26
Applicant: 东北林业大学
IPC: G01M13/045 , G06F18/2131 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于ConvNeXt网络和通道注意力机制的轴承故障诊断方法、系统及设备。其中方法融合了ConvNeXt网络、通道注意力机制、JMMD域自适应，通过强化特征表征能力和调整模型参数，实现了更高效、准确的轴承故障诊断方法。本发明通过ConvNeXt网络并行的多通道卷积操作，捕捉不同通道之间的依赖关系，减少参数量；同时，通过注意力机制使信号可以在不同尺度上进行交互和信息传递，实现更细粒度的特征选择和调整；本发明还通过JMMD域自适应方法，将源域和目标域中的同类子域对齐。本发明可以有效地提取一维信号中的复杂特征，提高轴承的故障诊断的准确率和诊断精度。
-
公开(公告)号：CN117928642A
公开(公告)日：2024-04-26
申请号：CN202410103638.1
申请日：2024-01-24
Applicant: 东北林业大学
Abstract: 本发明公开了一种面向电机滚动轴承的状态监测和故障诊断系统，包括数据采集端、服务器端和数据显示端三部分。其中数据采集端布设在待监测的电机滚动轴承所在位置处，用于采集设备的运行数据，并将数据发送至服务器端；服务器端通过采用计算机技术对数据进行多维度分析，结合参数阈值和智能算法对电机滚动轴承的故障情况进行检测；最后，在数据显示端图形化显示电机滚动轴承的运行参数、运行状态以及对设备故障进行预警。本发明系统通过多源异构的数据采集、多维度的数据分析和图形化的信息显示，结合互联网连接传输技术、物联网传感器技术和计算机深度学习技术，实现对电机滚动轴承较为全面充分的监测和故障预警，使得状态监测和故障诊断系统整体水平得到提升。
-
Patent Agency Ranking
公开(公告)号：CN116432352A
公开(公告)日：2023-07-14
申请号：CN202310594431.4
申请日：2023-05-25
Applicant: 东北林业大学
IPC: G06F30/17 , G06F30/27 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/048 , G01M13/045
Abstract: 本发明公开了一种基于数字孪生技术的航空发动机主轴轴承故障诊断方法，首先，建立初始数字孪生模型，根据初始孪生信号和实体信号一致性偏差情况，使用深度学习方法对数字孪生模型参数进行多阶段修正，获得全面充足的高精度的孪生振动信号；其次，利用实体振动信号和孪生振动信号构建孪生振动信号数据库，使用该数据库对卷积神经网络、自动编码器和门控循环单元GRU进行训练；最后，利用上述三模型基于集成学习方法构建集成学习故障诊断模型，实现航空发动机主轴轴承实时信号的故障诊断。本发明利用深度学习对数字孪生模型进行修正来得到大量高精度孪生振动信号，还利用多个故障诊断模型的集成学习提高实时故障诊断结果准确率的稳定性。
-
公开(公告)号：CN115905976B
公开(公告)日：2023-07-07
申请号：CN202211412586.3
申请日：2022-11-11
Applicant: 东北林业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/08 , G01M13/045
Abstract: 基于注意力机制的Highway Bi‑LSTM轴承故障诊断方法、系统及设备，涉及机械故障诊断领域。本发明是为了解决现有轴承故障诊断方法还存在由于无法提取逆时域序列特征、对关键特征关注不足、训练层过多难以收敛导致的故障诊断准确率低的问题。本发明包括：获得待诊断的轴承原始振动信号，将待诊断的轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障严重性诊断结果；轴承故障诊断网络通过以下方式获得：获取轴承原始振动信号，并将轴承原始振动信号分为训练集和测试集；构建Highway Bi‑LSTM网络：Bi‑LSTM网络、注意力机制、Highway层、全连接层、softmax分类器；利用训练集训练Highway Bi‑LSTM网络；利用测试集测试训练好的Highway Bi‑LSTM网络，获得轴承故障诊断网络。本发明用于轴承的故障诊断。
-
公开(公告)号：CN114955922A
公开(公告)日：2022-08-30
申请号：CN202210918717.9
申请日：2022-08-02
Applicant: 东北林业大学
Abstract: 本发明公开了一种机械设备故障维修用吊装装置，包括底座、升降架、起重装置、微阻力旋转组件和非对称式夹紧装置，所述升降架设于底座上，所述起重装置设于升降架上，所述微阻力旋转组件活动设于升降架上，所述非对称式夹紧装置设于微阻力旋转组件上；所述微阻力旋转组件包括外圈体、电磁圈一、电磁圈二、旋转轴一、磁芯轴、滑块和限位板组件。本发明涉及机械设备维修辅助装置，具体是指一种能够对各种形状的机械设备进行充分夹持、在维修时可以对机械设备调整角度、并且在机械设备失速掉落时能够迅速使机械设备停止下落的机械设备故障维修用吊装装置。
-
公开(公告)号：CN118776881A
公开(公告)日：2024-10-15
申请号：CN202411059473.9
申请日：2024-08-04
Applicant: 东北林业大学
IPC: G01M13/04 , G01M13/045
Abstract: 基于多源信号融合的CA‑Transformer轴承故障诊断方法，本发明用于多源信号融合的轴承故障诊断。本发明是为了解决现有轴承故障诊断方法难以准确充分提取故障特征的问题，以及现有的故障诊断方法在复杂数据的训练效率和准确性上都存在一些缺陷。本发明包括：获得待诊断的多源轴承原始振动信号，将待诊断的多源轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障分类诊断结果；CA‑Transformer多源信号融合的故障诊断网络通过以下方式获得：构建基于CA‑Transformer网络框架：由输入阶段、CA‑Transformer阶段和分类阶段组成，在输入阶段，将原始信号数据处理为嵌入向量，CA‑Transformer阶段，基于Transformer网络和交叉注意力机制融合特征，在分类阶段，进一步通过线性层和Softmax层进行分类。
-
公开(公告)号：CN115905976A
公开(公告)日：2023-04-04
申请号：CN202211412586.3
申请日：2022-11-11
Applicant: 东北林业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/08 , G01M13/045
Abstract: 基于注意力机制的Highway Bi‑LSTM轴承故障诊断方法、系统及设备，涉及机械故障诊断领域。本发明是为了解决现有轴承故障诊断方法还存在由于无法提取逆时域序列特征、对关键特征关注不足、训练层过多难以收敛导致的故障诊断准确率低的问题。本发明包括：获得待诊断的轴承原始振动信号，将待诊断的轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障严重性诊断结果；轴承故障诊断网络通过以下方式获得：获取轴承原始振动信号，并将轴承原始振动信号分为训练集和测试集；构建Highway Bi‑LSTM网络：Bi‑LSTM网络、注意力机制、Highway层、全连接层、softmax分类器；利用训练集训练Highway Bi‑LSTM网络；利用测试集测试训练好的Highway Bi‑LSTM网络，获得轴承故障诊断网络。本发明用于轴承的故障诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.119 seconds)
