-
公开(公告)号:CN116773196A
公开(公告)日:2023-09-19
申请号:CN202310693521.9
申请日:2023-06-13
Applicant: 北京建筑大学
IPC: G01M13/045 , G01M13/04 , G06F18/213 , G06F18/214 , G06F18/243 , G06N3/0895
Abstract: 本发明提供了一种基于半监督学习的滚动轴承故障诊断方法,该方法引入半监督学习的思想,利用对比学习获得所有未标签样本的表面特征,随后使用有标签样本进行微调,并采用多标签复合故障的分类器挖掘标签间的潜在关系并输出预测结果。该方法实现了有标签样本与未标签样本的解耦,可以根据分类任务的要求,灵活使用已有标签标识新的复合故障类型,而无需添加新的故障类别并重新训练,提高了模型的拓展性和泛用性。
-
公开(公告)号:CN115415928A
公开(公告)日:2022-12-02
申请号:CN202210944722.7
申请日:2022-08-08
Applicant: 北京建筑大学
Abstract: 本发明提供一种轴承空心滚子的超精与残余应力消减装置,首先通过装配复合粘性磨料夹具体单元,采用单磨料缸挤压循环粗抛同规格多个空心滚子表面,然后通过装配剖分式夹具体单元,采用隔膜泵传输的松散磨料中的磨粒,精抛同规格多组轴承空心滚子表面及旋转高速撞击消减同规格多组轴承空心滚子亚表面的残余应力。其粗抛‑精抛‑残余应力消减都在同一可自由调整高度的工作台上完成。本装置能够高效加工高品质的轴承空心滚子表面,并为长寿命的轴承空心滚子提高其亚表面质量。
-
公开(公告)号:CN115310703A
公开(公告)日:2022-11-08
申请号:CN202210955405.5
申请日:2022-08-10
Applicant: 北京建筑大学
IPC: G06Q10/04 , G06F30/27 , G06N3/04 , G06F119/10
Abstract: 本发明公开了一种基于概率化深度神经网络模型的机电设备性能预测方法,包括:构建概率化深度神经网络的预测模型;获取机电设备的性能参数向量,通过所述性能参数向量训练所述预测模型;基于训练好的预测模型,对机电设备的性能数据和可靠度进行预测。本发明能够同时预测机电装备性能和可靠性的演化趋势,弥补传统方法在可靠性预测和风险控制上的不足,实现机电装备健康状态准确、快速的预测。
-
-