-
公开(公告)号：CN112629863B
公开(公告)日：2022-03-01
申请号：CN202011632478.8
申请日：2020-12-31
Applicant: 苏州大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种变工况下动态联合分布对齐网络的轴承故障诊断方法，包括以下步骤：采集不同工况下的轴承振动数据，获得源域样本和目标域样本；构建动态联合分布对齐的深度卷积神经网络模型；将源域样本和目标域样本同时送入参数初始化的深度卷积神经网络模型，特征提取器提取源域样本和目标域样本的高层次特征；计算边缘分布距离和条件分布距离；根据边缘分布距离和条件分布距离获得联合分布距离，将联合分布距离与标签损失结合以获得目标函数；利用随机梯度下降法对目标函数进行优化，训练深度卷积神经网络模型。其能够降低域漂移的影响，使得深度学习模型能够很好完成变工况下的故障诊断任务，速度快，运算量小。
-
公开(公告)号：CN109668733B
公开(公告)日：2020-07-28
申请号：CN201811571587.6
申请日：2018-12-21
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种变分非线性模式分解变转速轴承故障诊断方法。本发明一种变分非线性模式分解变转速轴承故障诊断方法，包括：利用振动信号传感器收集滚动轴承动态信号；从振动信号中分离出低频区域，并采用快速谱峭度方法识别出共振带，从而实现频带分离；采用脊线提取算法分别在低频区域提取转频曲线和在共振频带提取故障特征频率曲线，得到粗略的频率信息；以提取出的粗略频率信息作为初始值，通过变分非线性模式分解方法进行优化分析，以获取准确估计的转频和故障特征频率；对优化后的转频和故障特征频率进行特征阶次计算，并比对理论值判断故障类型。
-
公开(公告)号：CN110060368B
公开(公告)日：2020-03-10
申请号：CN201910323189.0
申请日：2019-04-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于潜在特征编码的机械异常检测方法。本发明一种基于潜在特征编码的机械异常检测方法，包括：数据预处理：对振动信号数据进行预处理，包括傅立叶变换和归一化；正向传播：将预处理完的信号输入第一个全卷积网络，对数据进行编码。本发明的有益效果：本方法针对异常样本缺失问题，利用深度网络的特征挖掘能力，学习正常信号样本的数据分布，通过对信号进行编码‑解码‑再编码，将信号转移到潜在空间中进行数据分布对比。
-
公开(公告)号：CN110555273A
公开(公告)日：2019-12-10
申请号：CN201910838978.8
申请日：2019-09-05
Applicant: 苏州大学
IPC: G06F17/50
Abstract: 本发明公开一种基于隐马尔科夫模型和迁移学习的轴承寿命预测方法，包括步骤(1)采集滚动轴承的全寿命原始信号；并提取包含时域、时频域和三角函数特征的特征集合；(2)将特征集合输入隐马尔科夫模型预测隐状态，获取故障发生时刻；(3)将来自所有源域和部分目标域的特征集合组成训练集输入构建的多层感知机模型，通过优化目标训练获得域不变特征和最优模型参数，将最优模型参数代入感知机模型获得神经网络寿命预测模型；(4)将剩余的目标域特征集输入神经网络寿命预测模型，根据输出值预测轴承的剩余寿命。本发明利用隐马尔科夫模型自动检测出故障发生时刻，之后采用基于多层感知器的迁移学习来解决不同工况条件造成的源域和目标域的分布差异。
-
公开(公告)号：CN103792000B
公开(公告)日：2017-02-15
申请号：CN201410057100.8
申请日：2014-02-20
Applicant: 苏州大学
IPC: G01H17/00
Abstract: 本发明公开了一种基于稀疏表示的信号中瞬态成分检测方法及装置，用于检测和提取信号中瞬态成分，结果表示简洁且对噪声敏感度小。本发明方法包括：对输入信号进行模/数转换，获得检测信号；计算所述检测信号的最优小波基底；对所述最优小波基底进行扩充，构造最优小波原子库；根据所述最优小波原子库，利用分裂增广拉格朗日收缩算法求解优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；对所述稀疏表示系数取阈值，获得特征稀疏表示系数；根据所述特征稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；根据所述检测信号中瞬态成分的发生时刻，确定所述检测信号中瞬态成分的周期。
-
Patent Agency Ranking
公开(公告)号：CN103954353B
公开(公告)日：2016-08-24
申请号：CN201410198242.6
申请日：2014-05-12
Applicant: 苏州大学
Abstract: 本发明公开了一种信号中瞬态成分稀疏表示检测方法及装置，本发明方法包括：对输入信号进行模/数转换，获得检测信号；对检测信号建立最优小波原子库和最小优化方程；根据所述最优小波原子库建立优化迭代法求解最小优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；根据所述稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；根据所述检测信号中瞬态成分的发生时刻，针对含周期性瞬态成分的信号，确定所述检测信号中瞬态成分的周期。本发明用于检测和提取信号中瞬态成分，结果表示简洁且对噪声敏感度小。
-
-
公开(公告)号：CN103400136A
公开(公告)日：2013-11-20
申请号：CN201310351171.4
申请日：2013-08-13
Applicant: 苏州大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于弹性匹配的目标识别方法，所述方法包括以下步骤：S1、采用轮廓提取算法提取出目标的轮廓特征；S2、计算出目标轮廓上每个点的曲率值；S3、将轮廓点按照曲率值的大小进行分层描述；S4、将不同目标的轮廓特征分段采用PCA-SC距离进行相似性度量；S5、将目标的轮廓特征分段进行可靠性度量；S6、将目标相似性和可靠性指标归一化，采用弹性匹配距离进行目标后识别。本发明可以对目标形状进行有效的相似性度量，对目标特征描述具有更大的区分度，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率和鲁棒性，减小了计算复杂度。
-
公开(公告)号：CN103345628A
公开(公告)日：2013-10-09
申请号：CN201310322780.7
申请日：2013-07-29
Applicant: 苏州大学
Abstract: 本发明公开了一种基于分层描述的目标识别和形状检索方法，包括：采用轮廓提取算法提取出目标的轮廓特征；计算出目标轮廓上每个点的曲率值；采用非极大值抑制提取出目标的角点特征；将每两个角点对应的轮廓分段作为目标的全局特征描述子；将轮廓点按照曲率值的大小进行分层描述，将轮廓分段按照价值特征的重要程度进行分层描述；将价值小于评价阈值的轮廓分段进行合并形成轮廓特征分段，作为目标的局部特征描述子；将轮廓特征分段实现归一化处理；将不同目标的轮廓特征分段采用Shape Contexts距离进行相似度度量。本发明可以对目标形状进行有效的特征提取，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率和鲁棒性，减小了计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.026 seconds)
