公开(公告)号：CN117828325A

公开(公告)日：2024-04-05

申请号：CN202311766945.X

申请日：2023-12-20

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  支正新 ,  谢晓兰 ,  周雪松

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种振动信号特征提取方法、装置及存储介质，涉及故障诊断技术领域；本发明通过加速度传感器采集机器设备运行时的振动信号；对采集到的振动信号进行信号特征提取，得到初始特征向量矩阵；通过线性判别分析算法对初始特征向量矩阵进行降维融合处理，得到融合特征向量矩阵；对融合特征向量矩阵进行特征提取，得到最终特征向量矩阵；对最终特征向量矩阵进行分类识别，得到分类结果；根据分类结果判断机器设备的故障情况，得到机器设备的故障类型。通过对振动信号进行多次特征提取，能更充分的表征故障类型信息，同时很大程度上提高了分类识别的准确率。

公开(公告)号：CN118730283A

公开(公告)日：2024-10-01

申请号：CN202410998150.X

申请日：2024-07-24

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  支正新 ,  谢晓兰 ,  刘宇航 ,  冷冬 ,  周雪松

IPC: G01H17/00 ,  G06F18/24 ,  G06F18/25 ,  G06N3/006

Abstract: 本发明提供了一种设备的故障诊断方法、装置、计算机设备及存储介质，属于设备故障诊断技术领域，包括：采集待诊断设备运行时的振动信号；通过改进的海象优化算法优化初始VMD算法，确定初始VMD算法的最优参数组合，将最优参数组合代入初始VMD算法，得到自适应VMD算法；将振动信号输入自适应VMD算法判断待诊断设备的故障类型。该方法可以提升设备的故障诊断的准确性。

公开(公告)号：CN119558458A

公开(公告)日：2025-03-04

申请号：CN202411597658.5

申请日：2024-11-11

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  周雪松 ,  谢晓兰 ,  孟媛 ,  支正新 ,  冷冬 ,  刘宇航

IPC: G06Q10/04 ,  G06Q50/40 ,  G06F18/241 ,  G06F18/10 ,  G06N3/042 ,  G06N3/0442

Abstract: 本发明公开了一种基于神经网络的船舶交通流量预测方法及电子设备，属于交通流量预测领域。该方法包括：获取数据；构建图结构；构建交通流量预测模型，通过所述交通流量预测模型预测未来的交通流量状态；交通流量预测模型包括：图神经网络、高阶传感网络以及序列到序列模型，训练图神经网络提取空间特征；用循环神经网络的捕获时间依赖；用序列到序列模型生成预测结果。本发明通过将图神经网络、循环神经网络和序列到序列模型相结合，实现了空间特征、时间依赖和预测结果生成的全面优化，通过多模型融合的策略显著提升预测的综合能力。

公开(公告)号：CN119106360A

公开(公告)日：2024-12-10

申请号：CN202411059446.1

申请日：2024-08-03

Applicant: 桂林理工大学

Inventor： 刘亚荣 ,  支正新 ,  谢晓兰 ,  冷冬 ,  周雪松 ,  刘宇航

IPC: G06F18/243 ,  G01M13/00 ,  G06F18/214 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于振动信号的机器设备故障诊断系统，包括依次相连的振动信号采集模块、振动信号处理及特征提取模块、多路分类模块和显示模块，本发明适用于机器设备故障诊断技术领域，通过加速度传感器对不同工况的机器设备进行采集，得到机器设备运行时的振动信号；通过逐次变分模态分解方法对振动信号进行分解并提取熵特征，将熵特征和时频域特征进行组合，得到特征向量矩阵；通过多路分类器对特征向量矩阵进行分类识别，得到分类结果；根据分类结果判断机器设备的故障情况，在服务器终端显示诊断结果；通过对振动信号处理和多路分类训练，可以有效解决机器设备在多工况下存在的各种影响，很大程度上提高了故障诊断识别准确率。