-
公开(公告)号：CN111581859A
公开(公告)日：2020-08-25
申请号：CN202010242626.9
申请日：2020-03-31
Applicant: 桂林电子科技大学 , 东风柳州汽车有限公司
IPC: G06F30/23 , G06F30/15 , G06F30/17 , G06F119/14
Abstract: 本发明公开了一种悬架耦合非线性商用车的平顺性建模分析方法及系统，包括，分别提取板簧非线性动力学数据和减振器非线性动力学数据；将提取的两种非线性动力学数据进行拟合，利用非线性动力学关系数学表达，构建非线性动力学数学模型；利用实车结构建立目标商用车振动模型，并构建平顺性仿真路面；将非线性动力学数学模型替换目标商用车振动模型，连接平顺性仿真路面，建立悬架耦合非线性的商用车平顺性模型；对商用车平顺性模型进行平顺性仿真计算获得频率加权均方根值，分析对目标商用车的平顺性。本发明方法克服传统平顺性建模方法中引入的计算误差，提升仿真计算建模与分析效率，为商用车平顺性设计、整改及优化提供准确的计算结果。
-
公开(公告)号：CN111461001A
公开(公告)日：2020-07-28
申请号：CN202010246519.3
申请日：2020-03-31
Applicant: 桂林电子科技大学 , 东风柳州汽车有限公司
Abstract: 本发明公开了一种计算机视觉自动开车门方法及其系统，包括采集目标手势获取姿势图片数据；对所述姿势图片数据进行打标；利用打标完成的所述姿势图片数据训练深度神经网络；将摄像头实时拍摄到的图像输入所述深度神经网络中逐帧进行预测，并输出预测结果数据；根据所述预测结果数据结合算法逻辑判断手势或姿势是否满足开门意图；若满足开门意图，车辆控制器控制车辆自动开启车门。本发明的有益效果：能够更为准确得识别特定手势或姿势，减少因为误检测出现的误开门，通过摄像头能够在距离较远的地方识别出特点手势或姿势。
-
公开(公告)号：CN111391597A
公开(公告)日：2020-07-10
申请号：CN202010213077.2
申请日：2020-03-24
Applicant: 桂林电子科技大学
IPC: B60G17/019 , B60G17/08 , B60G17/06
Abstract: 本发明涉及汽车悬架领域，提供一种汽车后轮悬架主动调节系统及调节方法，所述汽车后轮悬架主动调节系统包括：用于测量前轮减震器的伸缩长度的位移传感器，用于对后轮提供支撑和减震的后轮减震器，所述后轮减震器为可变阻尼减震器，控制器，所述控制器分别与位移传感器和后轮减震器电连接，所述控制器根据所述位移传感器的测量信号调整所述后轮减震器的阻尼。本发明的汽车后轮悬架主动调节系统及调节方法通过对前轮减震器的伸缩长度进行测量，一方面，前轮减震器的伸缩长度能够最为直接、真实的反映出路面情况，从而提高控制的精准度，另一方面，简化减震器阻尼的控制过程，同时，大大减低了调试和使用成本，并使该系统及方法能够广泛的应用。
-
公开(公告)号：CN107704825A
公开(公告)日：2018-02-16
申请号：CN201710916993.0
申请日：2017-09-30
Applicant: 桂林电子科技大学
CPC classification number: G06K9/00523 , G01H1/12 , G01M99/005 , G06F17/148
Abstract: 本发明公开一种基于自适应集成多小波的机械设备故障特征提取方法，结合了两尺度相似变换和提升框架的优势，使得多小波多尺度函数的逼近阶提高，正则性得到增强，信号在频域上的能量更为集中；同时，多小波函数的消失矩提升，使得局部化能力和光滑性也得到改善，从而能更精确的描述和表达更高阶的复杂信号。通过设计构造过程中的自由参数和选择特定的基函数评价与优选准则，结合遗传算法等优化方法最优选择构造过程中的自由参数，进而实现针对待分析信号的自适应多小波基函数构造，以实现微弱故障特征的提取。
-
公开(公告)号：CN106769052A
公开(公告)日：2017-05-31
申请号：CN201710169963.8
申请日：2017-03-21
Applicant: 桂林电子科技大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明为一种基于聚类分析的机械系统滚动轴承智能故障诊断方法，先训练诊断模型：包括采集外圈、内圈、滚动体和保持架故障及正常五种轴承状态标准振动信号样本；信号分解，原始振动信号和分解后分量的时域与频域特征提取，得原始特征集；自权重算法和AP聚类去除冗余得Z个优选特征；再次用AP聚类，完成样本状态分类，得到训练好的诊断模型。故障诊断时采集轴承实时振动信息，信号分解，提取模型确定的优选特征，导入AP按诊断模型参数聚类，与模型中已知的Z个特征比较，得到当前未知信号类别，完成故障诊断。本发明同时使用EEMD与WPT分解振动信号，获取更多精细的轴承状态信息，自权重法和AP聚类增加诊断的智能化，保证精确诊断。
-
Patent Agency Ranking
公开(公告)号：CN104697905A
公开(公告)日：2015-06-10
申请号：CN201510124960.3
申请日：2015-03-20
Applicant: 桂林电子科技大学
Abstract: 本发明为一种油液磨粒检测传感器的设计方法及油液磨粒检测装置，本方法为在传感器骨架确定后按公式计算磁场强度B与线圈匝数n的关系曲线，取B最大值对应的n为感应线圈和2个激励线圈的匝数。本装置为按本发明方法确定传感器各线圈匝数，感应线圈的输出端连接包括顺序连接的前置放大电路、低通滤波器、高通滤波器和示波器的调制解析电路。本装置针对信号输出成分，提供了包括前置放大电路、低通和高通滤波器的调制解析电路。本方法设计了能使信号输出幅值达到最大的传感器线圈匝数，且在规模生产的传感器骨架尺寸下，便于安装在各类油液润滑的发动机上。本装置准确获取磨粒相关的信息，可检测到直径仅500μm的金属磨粒。
-
公开(公告)号：CN103308431B
公开(公告)日：2015-06-03
申请号：CN201310219608.9
申请日：2013-06-05
Applicant: 桂林电子科技大学
IPC: G01N15/00
Abstract: 本发明的用于在线监测油液金属磨粒的传感器为互感式传感器，包括激励线圈和感应线圈，在用磁惰性材料制成的骨架中心设置可以通过油液的油路，激励线圈和感应线圈同轴绕制在骨架上，感应线圈位于激励线圈与骨架之间，感应线圈的轴向长度为激励线圈轴向长度的1/4~1/2，感应线圈与激励线圈的轴向中点重合。传感器采用并联测量结构实现零位补偿与调节，结构简单，灵敏度高，线性度好，抗干扰能力强。将传感器应用于在线监测油液金属磨粒，操作方便，实时性好，测量精度高，监测结果准确可靠。可广泛运用于军用和民用领域，包括各种飞机、舰船及汽车等机械设备的润滑系统的油液污染程度、磨损监测及故障监测诊断，避免安全事故的发生。
-
公开(公告)号：CN102798529B
公开(公告)日：2015-03-25
申请号：CN201210315317.5
申请日：2012-08-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种大型风力机组轴承故障诊断方法及系统，先对测量风电机组主轴轴承振动信号，进而采用自适应谱峭度技术自动提取轴承故障的共振频带，在此基础上采用窄带滤波和包络解调技术得出故障特征频率，最后与理论计算值对比定位识别出轴承故障类型。本发明克服风电机组的非平稳工况和工况噪声影响，适合于实际风电机组实际运行条件；不需人为参与能够自动识别出轴承故障引起的共振频带；并能自动且快速地识别轴承故障类型。
-
公开(公告)号：CN103344535A
公开(公告)日：2013-10-09
申请号：CN201310228772.6
申请日：2013-06-09
Applicant: 桂林电子科技大学
IPC: G01N15/06
Abstract: 本发明的油液金属磨粒在线监测系统，包括传感器、微处理器和电路，其传感器为螺线管式电感传感器，其螺线管内为可以通过油液的油路；激励交流信号发生器连接两个完全相同的传感器的激励线圈，这两个传感器的感应线圈连接信号放大器，信号放大器后顺序连接RMS-DC转换器、AD转换器、微处理器和显示器，微处理器还分别连接键盘和报警器。该监测系统结构合理，对电感式传感器输出的微弱信号的监测灵敏度高，线性度好，抗干扰能力强，工作稳定可靠。操作方便，实时性好，测量精度高，监测结果准确可靠。可运用于军用和民用领域，包括各种飞机、舰船及汽车等机械设备的润滑系统的油液污染程度监测及故障监测诊断，避免各类发动机事故的发生。
-
公开(公告)号：CN102798529A
公开(公告)日：2012-11-28
申请号：CN201210315317.5
申请日：2012-08-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种大型风力机组轴承故障诊断方法及系统，先对测量风电机组主轴轴承振动信号，进而采用自适应谱峭度技术自动提取轴承故障的共振频带，在此基础上采用窄带滤波和包络解调技术得出故障特征频率，最后与理论计算值对比定位识别出轴承故障类型。本发明克服风电机组的非平稳工况和工况噪声影响，适合于实际风电机组实际运行条件；不需人为参与能够自动识别出轴承故障引起的共振频带；并能自动且快速地识别轴承故障类型。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.04 seconds)
