-
公开(公告)号：CN113469107B
公开(公告)日：2024-06-04
申请号：CN202110804528.4
申请日：2021-07-16
Applicant: 辽宁大学
IPC: G06F18/10 , G06F18/214 , G06F18/22 , G06F18/23
Abstract: 一种融合空间密度分布的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种融合空间密度分布的轴承故障诊断方法。为提高不完整轴承数据的故障诊断准确率，将密度引入到模糊C均值的目标函数中；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN117970426A
公开(公告)日：2024-05-03
申请号：CN202410131518.2
申请日：2024-01-30
Applicant: 辽宁大学
IPC: G01V1/01 , G01V1/28 , G06N3/0464 , G06F18/25 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/27 , G06F123/02
Abstract: 一种序列分解和多尺度联合模型的矿震预测方法，步骤为：1)对矿震事件数据预处理；2)对矿震数据使用自适应噪声完备集合经验模态分解方法进行分解；3)分析分解之后每一个子序列的游走程度并进行划分；4)对分解之后的矿震数据进行处理，缓解矿震序列的分布偏移；5)将矿震数据通过多尺度模型进行训练和测试，并保存最好的模型；6)保存预测的矿震事件的详细信息：加载已经训练好的模型，读取数据并对未来数据进行预测并保存在文件里。本发明通过上述方法，提供了一种具有较高的准确性和可靠性的矿震预测方法。
-
公开(公告)号：CN117851857A
公开(公告)日：2024-04-09
申请号：CN202310792058.3
申请日：2023-06-30
Applicant: 辽宁大学
IPC: G06F18/24 , G01M13/045 , G06N3/0464 , G06N3/049 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/048
Abstract: 一种注意力降噪的残差时间卷积故障诊断方法，步骤如下：1)收集轴承震动信号；2)数据增强；3)根据不同信噪比生成对应的数据集；4)设计并构建注意力降噪的残差时间卷积模型；5)使用不同噪声的数据集数据集对4)中设计的模型进行训练测试，验证此发明的有效性和抗噪性。本发明针对在实际工况中震动信号中存在噪声这一问题，设计一种自注意力机制以获取输入数据的注意力权重，通过注意力值为每个信号特征生成特定的阈值，再经软阈值化操作消除无关冗余信息，以达到降噪效果。设计批归一化方法加入到时间卷积网络中，进一步优化模型的特征提取能力。使用设计的方法在制作的数据集上进行实验，验证所设计方法的抗噪性和有效性。
-
公开(公告)号：CN117475191A
公开(公告)日：2024-01-30
申请号：CN202310791257.2
申请日：2023-06-30
Applicant: 辽宁大学
IPC: G06V10/764 , G06V10/774 , G06V10/24 , G06V10/40 , G06N3/0464 , G06V10/82
Abstract: 一种特征对齐域对抗神经网络故障诊断方法，步骤如下：(1)信号采集；(2)数据扩充；(3)特征学习；(4)故障分类。改进特征对齐生成对抗网络构建真实数据与生成数据的最大均值差异机制，以卷积模块代替全连接模块，以实现对不平衡数据的扩充，可以满足域对抗神经网络DANN中源域与目标域数量平衡需求。DANN领域判别器对齐域间特征分布的同时会弱化特征提取器提取到的域内分类特征，为了使DANN标签分类器分类更准确，建立多尺度注意力机制筛选出重要故障相关信息，提取域判别不变下分类相关特征，并构建熵最小标签分类器，提高模型泛化能力。改进的域对抗神经网络可以更好的识别目标域样本的故障类别，完成滚动轴承不平衡样本下的故障识别。
-
公开(公告)号：CN115034268A
公开(公告)日：2022-09-09
申请号：CN202210687431.4
申请日：2022-06-17
Applicant: 辽宁大学
Abstract: 一种双向LSTM融合多尺度卷积的轴承亚健康识别算法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征提取；(4)轴承故障诊断。本发明设计并实现一种双向LSTM融合多尺度卷积的轴承故障诊断方法。为最大限度保留原始信号中的重要信息，利用小波包软阈值去噪方法处理轴承数据；然后采用多尺度卷积提取多维空间相关性信息；同时使用双向改进长短期记忆网络提取数据中时序相关性信息，且改进后单元结构只具有一个“门”结构，有效减少参数量；最后进行滚动轴承的故障分类。在同一实验条件下与四种方法进行对比实验，验证本发明方法有更高的诊断准确率。
-
Patent Agency Ranking
公开(公告)号：CN113190931A
公开(公告)日：2021-07-30
申请号：CN202110590877.0
申请日：2021-05-28
Applicant: 辽宁大学
IPC: G06F30/17 , G06F30/27 , G06N3/00 , G06N3/08 , G06F111/08 , G06F119/10
Abstract: 一种改进灰狼优化DBN‑ELM的亚健康状态识别方法，步骤为：(1)信号采样；(2)降噪处理；(3)特征选择；(4)数据归一化处理；(5)亚健康状态识别。本发明设计并实现一种改进灰狼优化DBN‑ELM的亚健康状态识别方法。针对灰狼算法全局与局部搜索能力不均衡问题，将灰狼算法本身的线性收敛因子改进成非线性收敛因子以此来平衡搜索能力，同时通过引用自适应权重策略提升算法收敛速度；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将处理后数据输入改进灰狼算法优化的DBN‑ELM模型中进行训练测试。实验结果表明：本发明方法在故障诊断方面，能够满足用户所设定功能和性能需求，具有较高的亚健康识别精度，较好的鲁棒性和泛化能力，具备良好的工业应用前景。
-
公开(公告)号：CN110348468A
公开(公告)日：2019-10-18
申请号：CN201910388451.X
申请日：2019-05-10
Applicant: 辽宁大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法，包括以下步骤：(1)信号采样；(2)降噪处理；(3)特征提取；(4)故障诊断划分；(5)机械设备状态诊断。本发明使用两种核函数权重相加的方式代替原来单一核函数单独作用，改进相关向量机。在Fisher准则和最大熵准则共同作用下求解输入样本映射到特征空间中的方差，确定核函数权重系数。由求得的权重系数，初始化参数，估计超参数，最后得到滚动轴承亚健康识别分类。本发明解决边缘降噪自动编码器约束条件有限、数据压缩能力弱、重构误差大，特征数据表达能力弱的问题，提出了一种了识别准确率高的一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法。
-
公开(公告)号：CN104537449B
公开(公告)日：2017-11-14
申请号：CN201510036502.4
申请日：2015-01-23
Applicant: 辽宁大学
IPC: G06Q10/04
Abstract: 一种基于D_S证据理论信息重构的热连轧板厚预测方法,主要通过三个步骤来实现板厚的预测。首先，采用数据分析软件分析热连轧的运行周期，并找到针对板厚的三个敏感参数，分别将每个参数应用最小二乘多项式曲线拟合方法获得各个敏感参数下的三个初步板厚预测结果。然后，应用D_S证据理论重构不同参数下的预测结果，获得板厚的分布情况。在D_S证据理论中基本概率分配(BPA)函数具有重要的作用，本发明基于灰色关联度提出贡献率函数，并将其作为BPA函数，从而实现了BPA函数的客观选取。最后，从训练得到的分布情况，获得板厚的未来趋势。
-
公开(公告)号：CN107274016A
公开(公告)日：2017-10-20
申请号：CN201710442183.6
申请日：2017-06-13
Applicant: 辽宁大学
Abstract: 随机蛙跳优化对称极限学习机的带钢出口厚度预测方法，先在传统的极限学习机中加入对称性先验信息，使得改进后的极限学习机能够对包含对称特性的一类数据进行处理，提出对称极限学习机，对改进后的Sym-ELM算法进一步的优化，用随机蛙跳算法来选取Sym-ELM算法的输入权值和隐含层偏置值，并将优化的极限学习机用于带钢出口厚度预测，对于对称极限学习机算法的优化不仅使均方根误差值最小，还要考虑隐含层输出矩阵的范式条件数。通过实验表明，相对于传统的极限学习，本发明提高传统的极限学习机处理包含对称性信息的带钢数据的预测性能，减小模型的预测误差，提高模型的泛化性能。
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.021 seconds)
