公开(公告)号：CN110243605A

公开(公告)日：2019-09-17

申请号：CN201910674416.4

申请日：2019-07-25

Applicant: 苏州大学

Inventor： 石娟娟 ,  沈长青 ,  丁荣梅 ,  朱忠奎 ,  杜贵府 ,  江星星 ,  花泽晖

IPC: G01M13/045 ,  G06K9/00

Abstract: 本发明公开了一种基于快速路径最优搜索和动态基角度的多源时频脊线提取方法。本发明提供了一种基于快速路径最优搜索和动态基角度的多源时频脊线提取方法，包括：步骤1：短时傅里叶变换及频带的选择。对振动信号中采用短时傅里叶分析，将轴承信号分为低频段和共振频带。本发明的有益效果：1、该发明首先应用快速路径最优搜索策略，得到连续和准确的瞬时频率脊线，然后在得到的脊线的基础上，计算对应时刻点的切角，得到频率与目标信号频率相匹配的基函数，适用于处理变转速非平稳状态下的滚动轴承振动信号。

公开(公告)号：CN106895975B

公开(公告)日：2019-03-15

申请号：CN201710030372.2

申请日：2017-01-17

Applicant: 苏州大学

Inventor： 朱忠奎 ,  祁玉梅 ,  沈长青 ,  黄伟国 ,  石娟娟 ,  江星星

IPC: G01M13/045 ,  G06N3/08

Abstract: 本发明涉及一种基于Stacked SAE深度神经网络的轴承故障诊断方法，网络的第一层用于轴承故障的定性判断，即判断故障类型，网络的第二层用于轴承故障的定量判断，即判断故障的严重程度。本发明结合经验模态分解(EMD)和自回归(AR)模型作为原始轴承信号的预处理，提取AR模型参数作为网络的输入，大大降低网络的输入维度，有利于简化计算，加快网络的训练以及测试。此外，本发明所基于的深度神经网络能对输入进一步自动提取特征并且自动定性、定量化判断轴承故障，在确保本发明诊断精度的同时降低对信号处理专业知识的依赖，无需人工判断，减少人力的消耗，在大数据时代，更加具有实用价值。

公开(公告)号：CN108760316A

公开(公告)日：2018-11-06

申请号：CN201810931952.3

申请日：2018-08-16

Applicant: 苏州大学

Inventor： 王俊 ,  江涛 ,  杜贵府 ,  朱忠奎 ,  沈长青

IPC: G01M13/04

Abstract: 本发明涉及一种变分模态分解的变参信息融合方法，包括：取分解模态个数K＝1，设定带宽平衡参数α，对分析信号进行VMD处理，得到一个IMF分量，将原始信号减去这个IMF分量，得到剩余分量；将所述剩余分量作为所述分析信号，重复上述步骤n次，得到n个IMF分量和n个剩余分量；根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量，即故障模态分量；改变所述α的值，重复上述步骤N次，获得N个具有不同带宽的故障模态分量。上述变分模态分解的变参信息融合方法，本发明方法利用流形学习对变参数下VMD处理得到的多维故障模态分量进行信息融合，获得信噪比高的故障瞬态成分。

公开(公告)号：CN106895975A

公开(公告)日：2017-06-27

申请号：CN201710030372.2

申请日：2017-01-17

Applicant: 苏州大学

Inventor： 朱忠奎 ,  祁玉梅 ,  沈长青 ,  黄伟国 ,  石娟娟 ,  江星星

IPC: G01M13/04 ,  G06N3/08

Abstract: 本发明涉及一种基于Stacked SAE深度神经网络的轴承故障诊断方法，网络的第一层用于轴承故障的定性判断，即判断故障类型，网络的第二层用于轴承故障的定量判断，即判断故障的严重程度。本发明结合经验模态分解(EMD)和自回归(AR)模型作为原始轴承信号的预处理，提取AR模型参数作为网络的输入，大大降低网络的输入维度，有利于简化计算，加快网络的训练以及测试。此外，本发明所基于的深度神经网络能对输入进一步自动提取特征并且自动定性、定量化判断轴承故障，在确保本发明诊断精度的同时降低对信号处理专业知识的依赖，无需人工判断，减少人力的消耗，在大数据时代，更加具有实用价值。

公开(公告)号：CN114548155B

公开(公告)日：2025-05-13

申请号：CN202210073180.0

申请日：2022-01-21

Applicant: 苏州大学

Inventor： 王俊 ,  王玉琦 ,  黄伟国 ,  杜贵府 ,  沈长青 ,  何清波

IPC: G06F18/213 ,  G06F18/10 ,  G01M13/00

Abstract: 本发明公开了一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，包括：步骤(1)、故障带内成分提取：步骤(2)、高维TFD矩阵构造：步骤(3)、TFM特征提取：步骤(4)、TFM特征去噪：步骤(5)、故障成分TFD重构：步骤(6)、故障成分时域信号重构。该技术方法至少具有以下优点：对不同机械振动信号的普适性好、计算效率高、信噪比高、能够定量分析故障严重程度等。

公开(公告)号：CN118260631B

公开(公告)日：2025-03-25

申请号：CN202410350184.8

申请日：2024-03-26

Applicant: 苏州大学

Inventor： 何振忠 ,  沈长青 ,  胡济民 ,  张馨尹 ,  陈玉婷 ,  石娟娟 ,  黄伟国 ,  王冬 ,  李林 ,  杨帅 ,  王加安 ,  张福生 ,  朱忠奎

IPC: G06F18/24 ,  G01M13/045 ,  G06F18/241 ,  G06F18/2415 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供一种故障轴承中故障类型监测方法和系统，涉及轴承故障诊断技术领域，该方法包括采集各种故障类型的轴承振动信号，并构建故障诊断数据集，将不同阶段的故障任务划分初始任务和增量任务，并确定初始任务和增量任务的故障类别数；构建初始故障诊断模型；基于初始故障诊断模型，对增量任务进行训练，包括模型自适应阶段训练和模型融合阶段训练，通过蒸馏损失将新模型和旧模型进行整合，得到整合后的故障诊断模型；利用整合后的故障诊断模型对待检测的故障轴承振动信号进行故障诊断，得到待检测的故障轴承振动信号的故障类型；与传统的深度学习方法相比，本发明能缓解灾难性遗忘问题，更符合工业应用的实际场景。

公开(公告)号：CN116106008B

公开(公告)日：2024-09-06

申请号：CN202211699746.7

申请日：2022-12-28

Applicant: 苏州大学

Inventor： 黄伟国 ,  王锐 ,  张骁 ,  廖一 ,  杜贵府 ,  丁传仓 ,  王俊 ,  沈长青

IPC: G01M13/04 ,  G06F18/213 ,  G06F18/24 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于分类器差异软权自适应网络的故障诊断方法、装置、设备以及计算机可读存储介质，本发明由特征提取器、离群分类器与两个状态分类器三部分构成，特征提取器用于提取源域和目标域不同类别的可迁移特征，两个不同的状态分类器基于提取到的可转移特征进行标签预测；离群分类器对目标域样本进行伪标签学习，从而自动分离共享类和离群类样本；本发明构造了一个样本软权重项，以自适应地测量目标样本属于跨域共享标签空间的概率，设计了一个加权分类器差异损失来获取共享类样本的跨域不变特征，本发明诊断精度高，鲁棒性强，适用于变工况类型差异下的开集迁移故障诊断任务，可广泛应用于机械、电力、化工、航空等领域。

公开(公告)号：CN115773883B

公开(公告)日：2024-08-20

申请号：CN202211405383.1

申请日：2022-11-10

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  张福生 ,  王书蓓 ,  王报祥 ,  石娟娟 ,  孔林 ,  李林 ,  黄伟国 ,  朱忠奎 ,  刘承建

IPC: G01M13/045 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明实施例提供了一种双生成器协同域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将源域样本图片和目标域样本图片输入模型进行训练，获得两个不同的特征生成器；将特征生成器两个生成特征，融合成新的特征；更新两个特征生成器、分类器和鉴别器的参数；将目标域数据集输入训练好模型，实现轴承故障诊断。本发明轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。

公开(公告)号：CN117593873A

公开(公告)日：2024-02-23

申请号：CN202311614931.6

申请日：2023-11-29

Applicant: 苏州大学

Inventor： 俄文娟 ,  孔晓丽 ,  李瑶 ,  王翔 ,  成明 ,  马冬 ,  陶砚蕴 ,  郑建颖 ,  卢维科 ,  沈长青 ,  江星星

IPC: G08G1/00 ,  G08G1/01

Abstract: 本发明涉及一种有人和无人驾驶共存的机场摆渡车调度方法，包括：获取机场摆渡车信息、航班信息、环境信息；根据环境信息进行用车情景感知，确认实现摆渡服务的车辆驾驶模式；根据摆渡车信息、航班信息、环境信息以及设置相关参数，建立机场有任何无人驾驶摆渡车混合调度模型，确定目标摆渡车；根据目标摆渡车，基于实时通信执行摆渡任务，并反馈任务执行情况。本发明在有人驾驶车辆和无人驾驶车辆共存的新场景中进行摆渡车调度，从而解决有人驾驶摆渡车和无人驾驶摆渡车共存场景下的车辆调度问题，实现调度成本最小化，增强车辆运行安全性能，提高机场地面服务保障能力。

公开(公告)号：CN115436058B

公开(公告)日：2023-10-03

申请号：CN202211057305.7

申请日：2022-08-30

Applicant: 苏州大学

Inventor： 石娟娟 ,  孙依萌 ,  黄伟国 ,  沈长青 ,  朱忠奎

IPC: G01M13/045 ,  G06F17/16 ,  G06F18/10 ,  G06F18/213

Abstract: 本发明公开了一种轴承故障特征提取的方法、装置、设备以及计算机存储介质，包括采集轴承振动信号，并对轴承振动信号进行加窗截取；利用Katz方法计算截取信号片段的分形维数值；根据分形维数值跟踪轴承振动信号中轴承故障产生的冲击位置，提取冲击位置的包络线；进一步地根据峰值搜索算法对包络线进行去除干扰，得到轴承振动故障特征。本发明通过分形维数将轴承的振动序列转化为短时分形维数序列，并且在转换过程中对其他的干扰信号进行抑制，将轴承故障的信号更加突出，抑制干扰信号，最后根据峰值搜索算法将所有信号进行处理，进一步抑制干扰信号对轴承故障信号的影响，更加突显轴承故障信号。