-
公开(公告)号：CN118939980A
公开(公告)日：2024-11-12
申请号：CN202411320774.2
申请日：2024-09-23
Applicant: 东北大学
IPC: G06F18/21 , G06F17/14 , G06F17/16 , G06F18/213 , G06F18/25 , G06F18/28 , G01M13/00 , G01M13/04 , G01M13/045
Abstract: 本发明的一种基于视听信息融合的旋转机械故障信号分离和诊断方法，将基于视觉信息辅助的声源定位方法与非负矩阵分解相结合实现对旋转机械故障信号源的定位、对故障信号的分离和特征提取。本发明提出的基于视觉信息辅助的声源定位方法，在多个声源之间角度差较小的情况下能够克服传统GCC声源定位算法的缺点，对目标故障源的角度进行更加准确的估计，得到源信号到达不同阵元的时间差，从而实现故障源的准确定位。实验表明，本发明的信号分离和诊断方法对故障信号的分离效果较好，且能够对故障类型做出准确的判断。
-
公开(公告)号：CN117019884A
公开(公告)日：2023-11-10
申请号：CN202311286472.3
申请日：2023-10-08
Applicant: 东北大学
Abstract: 本发明的一种冷连轧各机架出口板形预测可视化方法，包括：获取每个机架的现场轧制数据；根据第一机架的现场轧制数据建立第一机架的有限元模型，进行仿真实验提取稳定轧制阶段的带钢横截面节点数据；根据每个机架的轧辊几何数据、轧辊材料性能数据、轧制工艺参数、入口处的带钢宽向不同位置处的拉伸数据及上一机架的有限元模型的带钢横截面节点数据，建立当前机架的有限元模型；利用每一机架的有限元模型对三种板形执行机构进行控制变量实验，提取每一机架的有限元模型的带钢相对长度差数据并计算每一机架的三种板形执行机构的调控功效系数数据；利用每一机架的三种板形执行机构的调控功效系数建立多机架的出口带钢板形预测数学模型。
-
公开(公告)号：CN116329297B
公开(公告)日：2023-10-20
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：CN116689503A
公开(公告)日：2023-09-05
申请号：CN202310427981.7
申请日：2023-04-20
Applicant: 东北大学
IPC: B21B37/16
Abstract: 本发明的一种基于记忆性功能网络的带钢全长厚度预测方法，包括：每间隔相等时间采集一次实时过程轧制数据和带钢出口厚度的实测值，构成输入特征数据集；将输入特征数据集按比例、按时间顺序分为训练集和测试集并进行归一化处理；构建带钢厚度点预测的GLSTM网络，并训练得到点预测的GLSTM网络各层的连接权重和偏置；利用粒子群算法优化点预测的GLSTM网络的输出层的连接权重，得到最佳的输出层的连接权重Wopt；基于除去输出层之外的各层的连接权重和偏置以及Wopt，构建带钢厚度区间预测的GLSTM网络，根据评价指标确定区间预测的GLSTM网络的最佳参数；利用最优区间预测的GLSTM网络进行带钢全长厚度预测。
-
Patent Agency Ranking
公开(公告)号：CN113155651B
公开(公告)日：2022-05-10
申请号：CN202110344552.4
申请日：2021-03-30
Applicant: 东北大学
IPC: G01N3/32 , G01M13/021 , G06F30/23
Abstract: 本发明提供一种基于疲劳试验与仿真的直齿轮齿根裂纹扩展规律分析方法，首先通过齿轮疲劳试验得到直齿轮齿根裂纹扩展的实际路径，然后采用ANSYS软件在齿轮建模方面的优势，完成了精确的齿轮建模、划分网格、建立边界条件及应力分析等工作；再利用FRANC3D软件强大的断裂仿真分析功能，模拟了直齿轮齿根裂纹扩展的路径，可以更好的研究齿根裂纹扩展规律。本发明是一种结合疲劳试验和仿真模拟的方法，研究直齿轮齿根裂纹的扩展规律，且可以通过对比疲劳试验结果与仿真模拟结果，验证实验方法的合理性，为之后的直齿轮齿根裂纹扩展研究领域提供一种更可靠、更高效的分析方法。
-
公开(公告)号：CN114091352A
公开(公告)日：2022-02-25
申请号：CN202111454865.1
申请日：2021-12-01
Applicant: 东北大学
Abstract: 本发明公开了基于Elman神经网络的热连轧出口板凸度动态预测方法，涉及轧制过程自动化生产技术领域。包括确定包括机架轧辊磨损量在内的热连轧出口板凸度影响因素，采集热连轧生产线中与热连轧出口板凸度相关的实测数据与过程自动化级计算数据；计算各机架的轧制公里数，将各机架的轧制公里数代替热连轧出口板凸度的影响因素中的各机架的轧辊磨损量；将实测数据及过程自动化级计算数据与各机架轧制公里数组合在一起构成数据集，从数据集中划分出部分数据作为训练数据集；利用训练数据集对Elman神经网络训练，获得热连轧出口板凸度的动态预测模型，利用该模型对热连轧出口板凸度进行动态预测，可精准地预测热连轧出口板凸度，对更精准的板形控制提供保障。
-
公开(公告)号：CN112767380A
公开(公告)日：2021-05-07
申请号：CN202110119070.9
申请日：2021-01-28
Applicant: 东北大学
IPC: G06T7/00 , G06T7/13 , G06T7/136 , G06T7/80 , G06T5/00 , G06T5/30 , G06N3/04 , G06N3/08 , G06N3/12
Abstract: 本发明提供一种宽厚板端部形状预测方法，首先提取宽厚板生产过程中与端部形状相关的生产数据，然后提取宽厚板轮廓点数据，得到宽厚板端部形状特征量，并对数据进行异常值检测，将去除异常值后的数据归一化并划分为训练集和测试集；最后确定最佳人工神经网络结构，采用遗传算法优化神经网络迭代过程，用训练集进行模型训练，利用测试集测试所建立模型的泛化性能。本方法利用宽厚板轮廓数据对宽厚板端形状进行直接的量化表示，并用人工智能方法进行预测，克服的传统方法对影响因素考虑不全的缺点，具有较高的预测精度，同时具有较快的计算速度。
-
公开(公告)号：CN112560913A
公开(公告)日：2021-03-26
申请号：CN202011416944.9
申请日：2020-12-04
Applicant: 东北大学
Abstract: 本发明公开一种基于麦克风阵列的工业设备故障信号定位与识别方法，采集声音信号，分为训练集、验证集和测试集；对训练集中的声音信号进行特征提取，提取频谱图的相位谱图和幅度谱图；将特征提取模块的输出作为输入被送到卷积神经网络，在每层CNN网络中，使用2D CNN来学习频谱图中的平移不变性；在每层CNN之间，使用批量归一化对输出进行归一化，并沿着频率轴使用最大池化层来降低维数；将来自CNN层的输出，送到RNN层；使用线性激活函数；将全连接层的输出输入到两个并行的全连接层分支，分别用于故障识别和故障定位。本发明使用基于音频信号的非接触式方法，受环境和接触限制更小，故障定位与故障识别同步进行，提高运行效率。
-
公开(公告)号：CN112507610A
公开(公告)日：2021-03-16
申请号：CN202011311991.7
申请日：2020-11-20
Applicant: 东北大学
IPC: G06F30/27 , B21B37/74 , G06F119/08
Abstract: 本发明提供一种热轧卷取温度的区间预测方法，包括以下步骤：根据轧件原始数据以及精轧出口的实测样本数据可知输入数据和输出数据；对数据进行预处理；对人工神经网络进行设置；通过鲸鱼优化算法优化所述人工神经网络，进而通过最小化代价函数进行寻优，获取人工神经网络最优的权重和偏置量；根据所述输入得到实测卷取温度与目标卷取温度的相对偏差的预测上限和预测下限，可同时进行点预测与区间预测；根据所提出的评价指标NCWC进行区间预测性能分析。本发明在卷取温度预测领域，相比于采用传统数学模型进行点预测，所述发明实现了热轧卷取温度的区间预测。并通过改变人工神经网络结构，对比单层ANN、双层ANN与三层ANN，发现采用三层人工神经网络进行预测能够显著提高模型预测精度。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.028 seconds)
