-
公开(公告)号：CN114360576B
公开(公告)日：2025-04-22
申请号：CN202210052066.X
申请日：2022-01-18
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0308 , G10L25/30 , G10L25/51
Abstract: 本发明提出了一种基于记忆选择机制的传动装置混合故障分离方法，将目标传动装置故障声音从多种混合传动装置故障声音中分离出来，且获取实验数据无需接触式测量传动装置，具体步骤如下，步骤1传动装置故障声音编码网络，步骤2长期记忆存储模块；步骤3传动装置故障声音分离网络；其中长期记忆存储模块串联第一部分和第二部分两个网络，用于存储并更新传动装置故障声音编码网络的输出声音信号，并将最新存储的声音信号输入到传动装置故障声音分离网络的部分。本发明对训练数据量依赖小，可以学习并记忆存储多种类传动装置故障声音信号特征，并基于声纹靶向地精准分离目标种类传动装置故障声音，系统整体鲁棒性与抗干扰能力强。
-
公开(公告)号：CN119251170A
公开(公告)日：2025-01-03
申请号：CN202411312084.2
申请日：2024-09-20
Applicant: 东北大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明的一种基于SE模块轻量级网络的带钢表面缺陷检测方法，包括：对现有的NEU‑CLS热轧带钢表面缺陷数据集进行预处理，制作缺陷图片数据集；从缺陷图片数据集中随机抽取10％的图片作为测试集，其余的图片按照8比2的比例划分为训练集和验证集；建立基于压缩激励模块的轻量级残差网络；将训练集输入到基于压缩激励模块的轻量级残差网络，进行训练，同时通过测试集对网络的准确度进行验证；将训练好的基于压缩激励模块的轻量级残差网络部署到开发板，通过开发板的摄像头采集验证集中的缺陷图片对缺陷进行判定，得到判定结果。
-
公开(公告)号：CN117282780A
公开(公告)日：2023-12-26
申请号：CN202311331192.X
申请日：2023-10-16
Applicant: 东北大学
IPC: B21B37/00
Abstract: 本发明提供一种多道次冷轧带钢断面形貌智能控制方法，包括以下步骤：步骤1：在冷连轧现场AGC厚度控制稳定情况下进行轧机急停机，采集每个机架的轧制数据；步骤2：将冷连轧现场的每个机架分别视作一个有限元模型，依次建立各个机架的有限元模型；步骤3：利用建立的有限元模型对每个机架的三种板形执行机构进行控制变量实验，提取每个机架的稳定轧制阶段的带钢宽度数据和断面形状数据，计算每个机架的三种板形执行机构的调控功效系数；步骤4：建立多机架的出口带钢断面形貌预测数学模型并进行精度验证，并对多机架的出口带钢断面形貌预测数学模型进行封装得到每个机架出口带钢断面形貌预测的二维和三维可视化软件。
-
公开(公告)号：CN116329297A
公开(公告)日：2023-06-27
申请号：CN202310609005.3
申请日：2023-05-29
Applicant: 东北大学
IPC: B21B37/28
Abstract: 本发明属于轧制过程自动化控制技术领域，具体涉及一种基于轧件横向力学性能差异的板形预测方法，包括：轧制前截取部分带钢进行拉伸实验，获取拉伸曲线，计算真实屈服强度和切向模量；获取轧辊参数、轧制工艺参数以及轧制前后的带钢参数；建立关于带钢‑轧辊变形耦合分析的板形仿真模型；利用板形仿真模型对带钢轧制过程进行模拟实验；构建板形执行机构的调控功效系数计算模型，提取各模拟实验稳定轧制阶段带钢长度数据，计算板形值和各板形执行机构的调控功效系数；提取各模拟实验稳定轧制阶段带钢宽度数据，基于带钢宽度数据和调控功效系数曲线的拟合系数建立带钢板形曲线预测计算方程，输入板形执行机构的调控数值以获取对应板形曲线。
-
公开(公告)号：CN115007656A
公开(公告)日：2022-09-06
申请号：CN202210516672.2
申请日：2022-05-12
IPC: B21B37/28
Abstract: 本发明公开一种归一式板形目标曲线的设置方法，首先建立了高次项的板形目标曲线的初始表达式，并将其分成奇数项板形目标曲线和偶数项板形目标曲线。利用归一化算法对奇数项板形目标曲线和偶数项板形目标曲线计算值进行归一化处理，形成经归一化后的偶数项板形目标曲线系数和奇数项板形目标曲线系数。设定两种曲线的增益系数以实现板形目标曲线的放大功能。本发明方法获得的板形目标曲线方程的最终表达式具有可视化程度高、设置简单且易操作的特点，便于现场人员理解和使用。
-
Patent Agency Ranking
公开(公告)号：CN114822584A
公开(公告)日：2022-07-29
申请号：CN202210439737.8
申请日：2022-04-25
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0216 , G10L21/028 , G06F17/16 , G06F17/14
Abstract: 本发明的一种基于积分改进广义互相关的传动装置信号分离方法是将广义互相关算法与非负矩阵分解算法相结合的一种新的盲源分离方法，进行分离不同传动装置的声音信号。将广义互相关算法结合非负矩阵分解算法，利用广义互相关算法获得到达时间差，判断源的数量；再结合非负矩阵分解，获得具体的字典原子是来自于哪个源这项信息，从而为生成不同源的掩码矩阵提供事实依据；使用积分法改进广义互相关，提高到达时间差估计的准确度；设计一种新的非负矩阵分解初始化方法，降低计算非负矩阵分解的时间。本发明方法解决了其他盲源分离方法依赖理想数学模型或者依赖训练神经网络的问题。
-
公开(公告)号：CN114360576A
公开(公告)日：2022-04-15
申请号：CN202210052066.X
申请日：2022-01-18
Applicant: 东北大学
IPC: G10L21/0272 , G10L21/0308 , G10L25/30 , G10L25/51
Abstract: 本发明提出了一种基于记忆选择机制的传动装置混合故障分离方法，将目标传动装置故障声音从多种混合传动装置故障声音中分离出来，且获取实验数据无需接触式测量传动装置，具体步骤如下，步骤1传动装置故障声音编码网络，步骤2长期记忆存储模块；步骤3传动装置故障声音分离网络；其中长期记忆存储模块串联第一部分和第二部分两个网络，用于存储并更新传动装置故障声音编码网络的输出声音信号，并将最新存储的声音信号输入到传动装置故障声音分离网络的部分。本发明对训练数据量依赖小，可以学习并记忆存储多种类传动装置故障声音信号特征，并基于声纹靶向地精准分离目标种类传动装置故障声音，系统整体鲁棒性与抗干扰能力强。
-
公开(公告)号：CN113102516B
公开(公告)日：2022-02-18
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
公开(公告)号：CN113102516A
公开(公告)日：2021-07-13
申请号：CN202110243168.5
申请日：2021-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种融合轧制机理和深度学习的热连轧带钢头部宽度预测方法，首先获取热连轧现场的生产数据，并运用Pauta准则剔除离群数据得到样本数据；根据轧制宽展的影响因素筛选影响因素数据，然后构建每一机架的轧制机理预测模型，根据影响因素数据计算热连轧带钢头部宽度的预测基准值，构建深度置信神经网络模型预测带钢头部宽度的修正值，最后将带钢头部宽度的预测基准值与预测修正值相加得到带钢头部的测量位置在出口处宽度的最终预测值。本发明融合轧制机理和深度置信神经网络对带钢头部宽度进行预测，改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题，为过程自动化级设定模型的优化提供了良好基础。
-
公开(公告)号：CN112182807A
公开(公告)日：2021-01-05
申请号：CN202011154233.9
申请日：2020-10-26
Applicant: 东北大学
IPC: G06F30/17 , G06F30/23 , G06F119/02 , G06F119/04
Abstract: 本发明提供一种基于有限元仿真的直齿轮齿根裂纹扩展规律分析方法；首先利用ANSYS建立齿轮仿真模型；然后在此模型基础上完成载荷加载、划分网格、设置边界条件及应力求解及等工作；再将模型导入FRANC3D中，得到齿轮齿根裂纹的扩展路径和方向、裂纹扩展过程中的应力强度因子变化及裂纹寿命预测等数据；最后通过分析有限元仿真的结果得到直齿轮齿根裂纹扩展的规律。本发明基于数值模拟的方法研究了直齿轮齿根裂纹的扩展规律，不仅跟踪了裂纹扩展情况，还得到了裂纹尖端应力强度因子的分布规律及疲劳寿命预测曲线，不仅具有较高的计算精度，而且实验速度更快，效率更高，为齿轮齿根裂纹扩展的深度研究带来方便。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.028 seconds)
