-
Patent Agency Ranking
公开(公告)号：CN109214355A
公开(公告)日：2019-01-15
申请号：CN201811144832.5
申请日：2018-09-29
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 一种基于核估计LOF的机械监测数据异常段检测方法，首先利用固定长度的滑动时窗将一段机械监测信号分割为多个数据段；提取每个数据段的特征指标向量；设置LOF算法中参数k的初始值，并计算每个数据段的局部异常因子值，根据Nadaraya-Watson核估计法，可得局部异常因子估计值序列；然后对k值进行迭代，设定阈值S以实现k值的自适应选择；对滑动时窗的长度进行迭代，当滑动时窗的长度迭代至预设值后，选取包含最大局部异常因子估计值的序列；最后计算阈值T，筛选出异常段，完成异常段的检测；本发明基于核估计对传统LOF算法进行了改进，实现了参数k与异常段长度的自适应选择，提高了算法对机械监测数据进行异常段检测的能力，对于机械监测数据的质量改善工作具有理想的效果。
-
公开(公告)号：CN104748962A
公开(公告)日：2015-07-01
申请号：CN201510158826.5
申请日：2015-04-03
Applicant: 西安交通大学
IPC: G01M13/02
Abstract: 一种基于堆叠自动编码机的行星齿轮箱智能诊断方法，首先利用数据采集系统获取行星齿轮箱的频域信号，建立具有深层结构的堆叠自动编码机分类模型；然后使用权重连接自动编码机对堆叠自动编码机全部隐含层进行逐层预训练，帮助堆叠自动编码机自适应提取频谱中的故障信息；再使用反向误差传播方法微调完成预训练的堆叠自动编码机的参数，优化堆叠自动编码机的特征提取过程并且建立行星齿轮箱的频谱与故障类型之间的复杂非线性映射关系，完成堆叠自动编码机的训练；最后使用确定的堆叠自动编码机模型进行大数据下行星齿轮箱的智能诊断，本发明实现了大量数据下行星齿轮箱故障特征的自适应提取与故障状态的智能诊断，准确可靠。
-
公开(公告)号：CN105956236B
公开(公告)日：2019-03-12
申请号：CN201610257102.0
申请日：2016-04-22
Applicant: 西安交通大学
IPC: G06F17/50 , G01M13/021
Abstract: 一种双重更新的四因素随机退化模型齿轮寿命预测方法，充分考虑实际齿轮退化过程中广泛存在的时变性、个体差异性、非线性和测量不确定性四方面随机因素，建立贴合其实际退化过程的四因素随机退化模型，并推导出该模型下齿轮剩余寿命基于观测值的概率密度函数；采用MLE方法对该模型参数进行初始化，避免参数初始化的盲目性；引入双重更新方法对模型状态及参数进行更新，获得更准确的更新结果，进而很大程度上提高了齿轮剩余寿命的预测精度。
-
公开(公告)号：CN109190598A
公开(公告)日：2019-01-11
申请号：CN201811144833.X
申请日：2018-09-29
Applicant: 西安交通大学
Abstract: 一种基于SES-LOF的旋转机械监测数据噪点检测方法，先获取一段旋转机械监测信号作为原始信号，根据幅值计算每个信号点的局部异常因子值；将局部异常因子值大于1的所有信号点标记为可疑噪点，并得到可疑噪点的一个集合；然后从该集合中选取可疑噪点，将该可疑噪点从原始信号中剔除，得到新的信号；再对新的信号先后作希尔伯特变换与傅里叶变换，并计算新的信号的Shannon熵；之后根据3σ准则判断该可疑噪点是否为真实噪点；遍历完集合中的所有可疑噪点后，最终完成真实噪点的检索；本发明方法提高了基于传统LOF算法对旋转机械监测数据进行噪点检测的能力，对于旋转机械监测数据噪点检测工作具有理想的效果。
-
公开(公告)号：CN105956236A
公开(公告)日：2016-09-21
申请号：CN201610257102.0
申请日：2016-04-22
Applicant: 西安交通大学
CPC classification number: G06F17/5036 , G01M13/021 , G01M13/028
Abstract: 一种双重更新的四因素随机退化模型齿轮寿命预测方法，充分考虑实际齿轮退化过程中广泛存在的时变性、个体差异性、非线性和测量不确定性四方面随机因素，建立贴合其实际退化过程的四因素随机退化模型，并推导出该模型下齿轮剩余寿命基于观测值的概率密度函数；采用MLE方法对该模型参数进行初始化，避免参数初始化的盲目性；引入双重更新方法对模型状态及参数进行更新，获得更准确的更新结果，进而很大程度上提高了齿轮剩余寿命的预测精度。
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
