-
公开(公告)号：CN116007937A
公开(公告)日：2023-04-25
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
公开(公告)号：CN115600458A
公开(公告)日：2023-01-13
申请号：CN202211242590.X
申请日：2022-10-11
Applicant: 苏州大学(CN)
Abstract: 本发明公开了一种计及三维地系统的杂散电流动态分布计算方法，包括：对城轨列车进行列车牵引计算，得到全线列车运行图；对城轨供电系统的地下部分建立三维立体模型，并对各个区段进行等效计算，得到各个区段对应的等效阻抗和等效对地电导；根据全线列车运行图、各个区段对应的等效阻抗和等效对地电导，建立数学解析法回流系统等效模型；根据建立的数学解析法回流系统等效模型，利用迭代法进行潮流计算，得到任意时刻下列车位置及全线动态电气参数。本发明通过将计算得到的等效阻抗和等效对地电导代回传统数学解析法，对传统数学解析法中的参数进行修正，可以提高传统数学解析法回流参数计算的精确性。
-
公开(公告)号：CN115591058A
公开(公告)日：2023-01-13
申请号：CN202211397539.6
申请日：2022-11-09
Applicant: 苏州大学附属第一医院(CN)
Abstract: 本申请公开了一种血液激活方法、装置和存储介质，涉及医疗技术领域，所述方法包括：获取病患的病患信息，所述病患信息包括个人信息和/或健康状况信息；根据所述病患信息控制红外发热材料的发热信息；根据所述发热信息发射红外线，通过发射的红外线对血液进行激活。解决了现有技术中由于血库的血液温度过低而导致病患出现低温反应，或者由于血库中的血液加热温度不当而导致病患发生急性溶血输血反应，也即现有技术中无法将血库中的血液控制至合适的温度的问题，达到了可以根据病患的病患信息来控制红外发热材料的发热信息，进而根据发热信息对血液进行激活，避免血液温度不当而引起的一系列问题的效果。
-
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。
-
-
Patent Agency Ranking
公开(公告)号：CN108819801B
公开(公告)日：2021-06-01
申请号：CN201810730417.1
申请日：2018-07-05
Applicant: 苏州大学
IPC: B60M5/02
Abstract: 本发明公开了一种钢轨电位抑制系统及方法，其系统包括：可调电阻单元、可编程控制器、反并联晶闸管模块和电压检测模块，可调电阻单元连接于钢轨和地网之间，反并联晶闸管模块与可调电阻单元并联，电压调节模块与可调电阻单元并联，可调电阻单元、反并联晶闸管模块、电压检测模块均与可编程控制器连接。本发明的钢轨电位抑制系统及方法可同时对钢轨电位和杂散电流进行抑制，可避免钢轨电位独立控制时杂散电流泄漏量过大，杂散电流独立控制时钢轨电位抬升严重的问题，有效降低钢轨电位对人身安全造成的危害，降低杂散电流对地铁结构钢筋及周围埋地管线的腐蚀危害，且能够降低设备成本，减少占用空间，提升控制效果。
-
公开(公告)号：CN110823576B
公开(公告)日：2021-04-30
申请号：CN201911129375.7
申请日：2019-11-18
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于生成对抗网络的机械异常检测方法。本发明一种基于生成对抗网络的机械异常检测方法，其特征在于，包括：正常信号预处理：对正常信号进行傅里叶变换，并将频谱归一化到第一预设范围；网络训练：利用多组预处理后的正常信号对生成对抗网络进行训练，使随机噪声通过网络后能够生成与预处理后的正常信号数据分布相似的伪造信号；待测信号预处理：对待测信号进行傅里叶变换，并将频谱归一化到第二预设范围。本发明的有益效果：本发明方法首先利用正常信号训练生成对抗网络，以学习正常信号的数据分布，所得伪造信号与正常信号的相似度较大。
-
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：CN108152025B
公开(公告)日：2019-08-06
申请号：CN201711376491.X
申请日：2017-12-19
Applicant: 苏州大学
IPC: G01M13/00
Abstract: 本发明公开了一种自适应变分模式分解的机械微弱故障诊断方法。首先利用振动信号传感器收集机械设备动态信号；然后给定一个初始平衡参数以及设定变分模式分解方法提取分量的个数为一个；然后，利用变分模式分解方法对设备动态信号进行迭代分解，并以峭度或稀疏度等故障特征敏感参数为衡量指标计算分解出的模式分量，直到确定变分模式分解方法分解出含有故障信息的分量停止迭代分解；其次，将迭代分解出的干扰分量从原始设备动态信号中剔除。该发明克服了传统变分模式分解方法中最优平衡参数以及合理的分解模式分量的数目自适应选择的难题，能够自适应地提取出机械设备动态信号中的故障成分，且易操作，具有广泛应用的前景。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.035 seconds)
