-
公开(公告)号:CN115320684A
公开(公告)日:2022-11-11
申请号:CN202211140716.2
申请日:2022-09-20
Applicant: 燕山大学
Abstract: 本发明公开了一种可自主上下楼的物资运输车,包括车体和设置于车体下方的行走机构,车体的侧壁嵌入滑动设置有两两相对的双面带凹槽齿条,4个所述双面带凹槽齿条的外侧均活动设置有摇杆‑连杆机构,两两相对的双面带凹槽齿条之间均分别设置有带动车体上下升降的车体升降机构,车体内部的中间位置固定设置有用于放置货物的载物台,车体前方外侧固定设置有超声波传感器,车体底部外侧的前面、中央和尾部分别设置有红外距离探测仪,所述车体内部的底部固定设置有电子组件,行走机构、摇杆‑连杆机构、车体升降机构、超声波传感器和红外距离探测仪均电性连接电子组件,本发明用于实现楼道和平地等情形下的货物的自动运输,减少人工搬运的成本。
-
公开(公告)号:CN110346141A
公开(公告)日:2019-10-18
申请号:CN201910536120.6
申请日:2019-06-20
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明公开一种稀疏自编码滚动轴承故障诊断方法,其具体包括以下步骤:S1、采集滚动轴承的各故障状态下的原始振动数据,通过压缩感知分别将每种振动数据进行线性投影,并将各故障类型线性投影后的压缩信号合并成多故障类型的低维压缩信号矩阵;S2、确定多故障类型的低维压缩信号矩阵的小波包能量熵,形成轴承故障诊断的特征向量矩阵;S3、将滚动轴承的多故障类型下的特征向量矩阵输入到稀疏自动编码器中进行训练,进一步提取输入层到隐含层的权重作为特征矩阵;S4、将稀疏自动编码神经网络提取到的特征通过神经网络分类器进行分类,完成对滚动轴承的故障诊断分类。本发明降低了诊断复杂度,缩短了诊断时间,同时也保证了较高的诊断精度。
-
公开(公告)号:CN104330624B
公开(公告)日:2018-01-23
申请号:CN201410467815.0
申请日:2014-09-15
Applicant: 燕山大学
IPC: G01R23/16
Abstract: 一种非平稳信号紧密间隔频率成分的检测方法,所述方法包括以下步骤:对待测非平稳信号进行EMD分解,再通过希尔伯特变换得到待测非平稳信号的时频谱和边际谱;通过对频谱图数据的处理得到每个频率成分的值,并采用滤波方法提取出不同频率成分的信号;通过AMD分解判别各个频率成分是否含有多个没有被分离开的频率值;如果信号有频率混叠的现象,则对频率成分进行AMD分解,分离频率相近的信号;对分离出的信号再按照以上步骤顺序进行操作,直至分离出单一频率信号为止,保证分解的信号都是单一频率成分的。本发明解决了希尔伯特黄变换不能有效分离两个紧密间隔频率成分信号的问题,保证了信号有效数据的正确分解,提高了信号的分解精度。
-
公开(公告)号:CN106124212A
公开(公告)日:2016-11-16
申请号:CN201610424089.3
申请日:2016-06-16
Applicant: 燕山大学
CPC classification number: G01M13/045 , G06K9/6269
Abstract: 一种基于稀疏编码器和支持向量机的滚动轴承故障诊断方法,采用基于层叠稀疏自动编码器的深度学习自主认知的方法,由简单到复杂、由低级到高级自动地提取输入数据的本质特征,自动挖掘出隐藏在已知数据中的丰富信息;采用深度学习提取特征并将两层学习到的特征综合到一起构成支持向量机的输入,通过支持向量机分类从而可以判断滚动轴承的工作状态和故障类型。本发明方法能提高故障特征提取效率和准确率。
-
公开(公告)号:CN105259755A
公开(公告)日:2016-01-20
申请号:CN201510675523.0
申请日:2015-10-19
Applicant: 燕山大学
IPC: G05B13/04
Abstract: 一种抑制轧机扭振的智能控制方法,它包括以下步骤:(1)设计模糊PID控制器,并从中得到训练神经网络所需的数据样本集;(2)对神经网络进行训练,训练的过程就是调整模糊隶属度函数的过程,不断学习,直到得到PID的最佳参数;(3)对训练好的模糊-神经网络PID控制器进行仿真验证该方法的有效性。本发明结合了模糊控制和神经网络的各自优点,利用神经网络的自学习和自适应性,更新模糊控制的隶属度函数,实现PID三个参数根据实时的工作需求自我调整变化,最终达到最佳的控制效果。
-
公开(公告)号:CN105181334A
公开(公告)日:2015-12-23
申请号:CN201510602964.8
申请日:2015-09-21
Applicant: 燕山大学
IPC: G01M13/04
Abstract: 一种基于级联多稳随机共振和EMD的滚动轴承故障诊断方法,其内容包括:计算待诊断机械设备的故障特征频率,提取待诊断机械设备的振动数据作为级联多稳随机共振系统的输入,级联多稳随机共振系统的输出作为与振动数据相应的振动数据结果;对提取的振动数据结果进行傅里叶变换,得到原始信号的频谱,并确定频谱中所含的频率成分;对多稳随机共振系统的参数进行最佳选取,将振动信号引入一个级联多稳随机共振系统;将级联多稳随机共振系统最后一级的输出作为级联多稳随机共振系统的输出,对系统输出进行经验模式分解,提取各个信号中含有的且与预知的故障特征频率相符频率成分,根据经验模式分解结果判断该滚动是否存在故障以及发生故障的部位。
-
公开(公告)号:CN104281775A
公开(公告)日:2015-01-14
申请号:CN201410468250.8
申请日:2014-09-15
Applicant: 燕山大学
IPC: G06F19/00
Abstract: 一种基于参数补偿多稳随机共振系统的微弱信号检测方法,包括以下步骤:(1)对含噪微弱信号进行参数补偿,即在多稳Langevin方程中加入一个放大环节,抵消信号经过多稳系统后幅值变小的趋势,从而可以用于检测高频微弱信号;(2)将补偿后信号输入到多稳系统,多稳系统比双稳系统具有更强的检测能力,可用于检测更低信噪比下的微弱信号;(3)对多稳系统输出信号进行包络解调分析,分析包络谱图,从而提取出微弱信号的特征,完成微弱信号的检测。本发明方法可以很好的把微弱信号在极低信噪比情况下提取出来,而在不知信号频率的情况下也可完成对低频和中高频微弱信号的检测,大幅提升处理信号的能力。
-
公开(公告)号:CN114462480B
公开(公告)日:2024-08-27
申请号:CN202111599158.1
申请日:2021-12-24
Applicant: 燕山大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/084 , G06Q10/20 , G01M13/045 , G06N3/048
Abstract: 本发明涉及一种基于非均衡数据集下的多源传感器轧机故障诊断的方法,对轧机的振动信号数据和声音信号数据进行融合从而实现轧机的故障诊断;该方法能够摆脱单一传感器的局限性,通过融合多传感器的数据,从而进行有用信息的互补,达到更高的诊断精度,解决非均衡数据集问题。用改进的一维卷积神经网络对轧机设备诊断系统采集的声音信号进行特征提取,利用改进的二维卷积神经网络对轧机设备诊断系统采集的振动信号的峰度图进行特征提取,最后在进行总的特征融合,该方法可以对充分信息提取,能够很好的应对轧机实际生产过程中所遇到的故障状态过少的问题,实现高诊断率以及准确率。
-
公开(公告)号:CN115320684B
公开(公告)日:2024-03-12
申请号:CN202211140716.2
申请日:2022-09-20
Applicant: 燕山大学
Abstract: 本发明公开了一种可自主上下楼的物资运输车,包括车体和设置于车体下方的行走机构,车体的侧壁嵌入滑动设置有两两相对的双面带凹槽齿条,4个所述双面带凹槽齿条的外侧均活动设置有摇杆‑连杆机构,两两相对的双面带凹槽齿条之间均分别设置有带动车体上下升降的车体升降机构,车体内部的中间位置固定设置有用于放置货物的载物台,车体前方外侧固定设置有超声波传感器,车体底部外侧的前面、中央和尾部分别设置有红外距离探测仪,所述车体内部的底部固定设置有电子组件,行走机构、摇杆‑连杆机构、车体升降机构、超声波传感器和红外距离探测仪均电性连接电子组件,本发明用于实现楼道和平地等情形下的货物的自动运输,减少人工搬运的成本。
-
公开(公告)号:CN114490603A
公开(公告)日:2022-05-13
申请号:CN202210024017.5
申请日:2022-01-11
Applicant: 燕山大学
IPC: G06F16/215 , G06K9/62
Abstract: 本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法,属于机械故障诊断及状态监测技术领域,所述方法包括:构建局部异常因子模型,获取历史监测数据集,将历史监测数据进行多维特征属性特征提取,并形成历史监测数据LOF结果集;根据流式在线监测数据,基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集;根据流式数据LOF结果集,基于增量删除LOF,对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新,并通过异常阈值识别并删除异常数据,计算复杂度相比传统LOF大大降低,计算耗时更小,能够满足一般流式监测数据质量保障实时性要求。
-
-
-
-
-
-
-
-
-