公开(公告)号：CN113920348A

公开(公告)日：2022-01-11

申请号：CN202111175109.5

申请日：2021-10-09

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  张小龙 ,  韩延 ,  于洪 ,  罗茂林 ,  余建航

IPC: G06V10/762 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法，属于故障诊断领域。该方法包括半监督动量原型网络训练与故障诊断识别两个流程；1、半监督动量原型网络训练：2、风力发电机组齿轮箱故障诊断：本发明结合半监督中的伪标签学习与小样本学习中的半监督动量原型网络，提出了一种基于半监督动量原型网络的风力发电机组齿轮箱故障诊断方法，该方法充分利用了无标记样本中包含的故障信息，大幅度减轻了原型网络由于标记样本稀缺导致的过拟合现象，增强了半监督动量原型网络在进行微调时的稳定性和准确性。

公开(公告)号：CN118837111A

公开(公告)日：2024-10-25

申请号：CN202410859381.2

申请日：2024-06-28

Applicant: 重庆邮电大学

Inventor： 罗茂林 ,  魏铭言 ,  熊青青 ,  苏祖强 ,  王艺 ,  游永鑫 ,  罗健 ,  董鑫 ,  王鑫

IPC: G01M13/045 ,  G06F17/12 ,  G06F18/213 ,  G06F18/2131 ,  G06F18/10 ,  G06F18/27 ,  G06F123/02

Abstract: 本发明涉及一种基于故障冲击能量分布的轴承滚道剥落定量方法，属于轴承故障特征信号提取及剥落缺陷量化评估技术领域。该方法包括：通过信号采集模块实时采集剥落滚动轴承振动加速度信号；基于峭度最大的自回归模型对原始信号进行滤波处理，增强原始信号中对应剥落引起的冲击信号特征；对增强后的信号进行处理，最终提取各阶段的关键时刻信息；通过建立滚动体剥落接触所形成的几何接触关系方程组，并求解得到以时间信息为自变量的滚动轴承剥落定量估计函数模型；采用剥落区定量估计模块完成剥落区自适应定量估计。本发明为滚动轴承提供一种准确有效的滚道剥落定量估计方法，以提高设备检修准确度和可靠性，最终保障装备生产运行的安全。

公开(公告)号：CN115859146A

公开(公告)日：2023-03-28

申请号：CN202211454945.1

申请日：2022-11-21

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  姜维龙 ,  张小龙 ,  冯松 ,  罗茂林

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G01M13/021 ,  G01M13/028

Abstract: 本发明涉及故障诊断领域，特别涉及一种基于噪声标签鲁棒的联合子域网络齿轮箱故障诊断方法，本发明将结合无监督领域中的深度子域自适应网络与标签噪声表征学习，提出基于噪声标签鲁棒的联合子域网络齿轮箱故障诊断方法；通过深度子域自适应网络实现跨域条件下不同故障类型间的细粒度局部对齐而非全局对齐；同时，通过引入标签噪声表征学习到联合子域网络中，有效缓解了故障诊断过程中因标记故障样本的可识别性差或错误标记而产生的噪声标签问题，进一步提高故障诊断精度。

公开(公告)号：CN115541228A

公开(公告)日：2022-12-30

申请号：CN202211233497.2

申请日：2022-10-10

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  张小龙 ,  韩延 ,  罗茂林 ,  王淑娴

IPC: G01M13/021 ,  G01M13/028 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。

公开(公告)号：CN114813126A

公开(公告)日：2022-07-29

申请号：CN202210364394.3

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  张小龙 ,  王淑娴 ,  罗茂林

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/20

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于频带注意力的度量学习滚动轴承故障诊断方法及系统。所述方法包括获取齿轮箱的故障振动信号并进行小波包分析，生成小波包二维时频数据；采用该时频数据训练深度学习模型VGG，构建故障诊断模型；将改进的频带注意力模块嵌入深度学习模型中；将改进的度量学习模块嵌入深度学习模型中；通过齿轮箱数据验证模型的整体有效性。本发明采用深度学习模型VGG作为故障诊断模型。嵌入改进的频道注意力模块，充分利用了所有通道不同频带的信息；嵌入了改进的度量学习模块，能够有效拉近类内距离，拉大类间距离；两者结合能够有效提升故障诊断的精度。

公开(公告)号：CN216418172U

公开(公告)日：2022-05-03

申请号：CN202122411653.7

申请日：2021-10-08

Applicant: 重庆邮电大学

Inventor： 徐涛金 ,  张毅 ,  罗茂林 ,  朱宏飞 ,  苏祖强

IPC: A63B21/055 ,  A63B23/12 ,  A63B71/06

Abstract: 本发明涉及康复训练领域，具体涉及一种用于上肢曲肌抗阻训练的力传感器弹性带，包括力传感器、第一铰链式卡扣、弹性带、第二铰链式卡扣、定制握把、数模转换器、Arduino控制板、带螺栓圆环扣，力传感器的一端设置有第一铰链式卡扣，另一端设置有带螺栓圆环扣；弹性带的两端分别与第一铰链式卡扣、第二铰链式卡扣连接，定制握把通过尼龙绳与第二铰链式卡扣固定连接；力传感器输出模电信号通过数模转换器转换为数字信号，并通过Arduino控制板将数字信号传输至上位机；本发明使用力传感器与弹性带相连，通过力传感器可以直接记录弹性带产生的抗阻力，力精度高，信号稳定；且本发明可以量化地记录抗阻训练过程中，抗阻力的大小。

公开(公告)号：CN220982888U

公开(公告)日：2024-05-17

申请号：CN202322441578.8

申请日：2023-09-08

Applicant: 重庆邮电大学

Inventor： 唐浩兴 ,  任治好 ,  刘同维 ,  苏祖强 ,  罗茂林 ,  谢海琼

IPC: G01N3/04 ,  G01N3/08

Abstract: 本实用新型为一种水平拉伸试验机，包括夹持机构、载物台和控制系统；所述夹持机构包括第一固定板和活动板，通过垂直排列的至少两层的拉压丝杠连接；载物台设于第一固定板和活动板之间，用于将试样置于便于夹具夹持的位置；控制系统，包括驱动装置，与拉压丝杠的一端连接，用于通过拉压丝杠将活动板在水平方向上移动。本申请利用两层的拉压丝杠、第一固定板和活动板构成一个适合大尺寸试样进入的测试空间，解决了由于试样体积较大导致不便放置的难题。且试样在拉伸或压缩测试过程中为水平受力，大幅降低了因自身重力带来的测试误差，提高了测试精度，非常适合尺寸大、重量大的试样进行测试。