-
公开(公告)号：CN106874957A
公开(公告)日：2017-06-20
申请号：CN201710107655.2
申请日：2017-02-27
Applicant: 苏州大学
CPC classification number: G06K9/6256 , G01M13/04 , G06K9/6269
Abstract: 本发明涉及一种滚动轴承故障诊断方法，其利用卷积神经网络理论的学习算法完成故障诊断所需的特征提取任务，可以不依赖人工选择，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，并能自动挖掘出隐藏在已知数据中的丰富信息；此外，采用了支持向量回归方法对测试样本进行分类识别，支持向量回归具有强大的泛化能力，对未知的新样本进行识别具有更好的精度，采用支持向量回归作为分类器对样本进行分类识别，可以克服深度学习默认的分类器泛化能力一般的缺点。本发明能够提高滚动轴承故障诊断的准确性和有效性，为解决滚动轴承故障诊断问题提供一种新的有效途径，可广泛应用于化工、冶金、电力、航空等领域的复杂机械系统故障诊断中。
-
公开(公告)号：CN106769048A
公开(公告)日：2017-05-31
申请号：CN201710030371.8
申请日：2017-01-17
Applicant: 苏州大学
CPC classification number: G01M13/045 , G06F17/5009 , G06F17/5086 , G06K9/6268 , G06N3/084 , G06N3/088
Abstract: 本发明涉及一种基于Nesterov动量法的自适应深度置信网络轴承故障诊断方法，包括：对滚动轴承不同健康状态的原始信号进行样本划分，生成训练样本；层叠受限玻尔兹曼机(Restricted Boltzmann Machine)建立DBN模型，加入Nesterov动量法和独立自适应学习率，将训练样本输入DBN模型，通过批量随机梯度下降法和贪婪逐层无监督算法预训练DBN模型；在预训练好的模型顶层加入Softmax分类器，使用监督算法单独训练Softmax分类器，通过反向传播算法(Back Propagation)和共轭梯度法进行全局微调，得到模型最优参数；输入未知状态信号，形成测试样本集，然后将测试样本输入上述训练好的DBN模型和Softmax分类器判断滚动轴承的故障类型。通过加入Nesterov动量法和独立自适应学习率，加快DBN预训练速度，提高故障分类精度。
-
公开(公告)号：CN105424388A
公开(公告)日：2016-03-23
申请号：CN201510789876.3
申请日：2015-11-17
Applicant: 苏州大学
CPC classification number: G01M17/10 , G01M13/045
Abstract: 本发明公开了一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法，该方法包括以下步骤：建立基于单边Laplace小波的参数化周期模型；根据多普勒效应，建立参数化多普勒瞬态模型；将参数化多普勒瞬态模型和列车轴承故障检测信号进行相关匹配，计算相关系数；由建立的参数化多普勒瞬态模型和真实列车轴承故障信号的相关系数作为一个定量手段去最优化周期参数T，阻尼系数ζ和离散频率f，建立最优化的周期性瞬态模型及其多普勒瞬态模型，最后结合模型最优参数及轴承运动参数判断出故障类型。本发明方法能够处理受多普勒效应影响的列车轴承信号，精确诊断轴承的故障。
-
公开(公告)号：CN118468724B
公开(公告)日：2025-04-11
申请号：CN202410685948.9
申请日：2024-05-30
Applicant: 苏州大学
IPC: G06F30/27 , G06F30/17 , G06N3/094 , G06N3/045 , G06F18/241 , G06F18/214 , G06F119/04
Abstract: 本发明提供一种差异性对齐指导下域对抗网络机械设备RUL预测方法及系统，涉及机械RUL预测和机器学习技术领域，该方法包括采集来自不同工况、不同故障类型的传感器信号并处理成输入样本；构造特征提取器，域鉴别器和差异提取器；利用源域样本序列对特征提取器和域鉴别器进行预训练；将预训练的特征提取器和域鉴别器移至训练阶段，以进行鉴别源域样本和目标域样本；充分训练本方法至收敛，并利用训练良好的特征提取器和域鉴别器对测试样本进行预测，获得方法的预测性能。本发明可以实现跨工况下域不变特征提取和差异目标域剩余寿命侦测，具有极佳的跨域RUL效果。
-
公开(公告)号：CN118163834B
公开(公告)日：2025-04-04
申请号：CN202410226006.4
申请日：2024-02-29
Applicant: 苏州大学
Abstract: 本发明涉及一种轨道交通走行轨绝缘破损定位装置和方法，装置包括间隔预设距离的第一检测装置和第二检测装置，第一检测装置和第二检测装置之间存在粗定位的绝缘破损点，所述绝缘破损点位于轨道交通的第一走行轨条或第二走行轨条上，方法包括第一检测装置和第二检测装置对应的钢轨均不存在钢轨焊缝时的走行轨绝缘破损定位方法、以及第一检测装置或第二检测装置对应的钢轨存在钢轨焊缝时的走行轨绝缘破损定位方法。本发明的装置简单易用，能够对走行轨绝缘破损点进行准确定位。
-
Patent Agency Ranking
公开(公告)号：CN116007937B
公开(公告)日：2024-09-06
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
公开(公告)号：CN118228167A
公开(公告)日：2024-06-21
申请号：CN202410226005.X
申请日：2024-02-29
Applicant: 苏州大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G01R31/52 , G01R31/56
Abstract: 本发明涉及一种轨道交通走行轨接地故障诊断方法和系统，其中，方法包括：在轨道交通线路试车阶段，将线路划分为若干区段，在线路的不同区段设置接地故障；获取各个区段的若干特征量并进行数据预处理，形成源域工况数据集；在轨道交通线路运营阶段，获取各个区段的若干特征量并进行数据预处理，形成目标域工况数据集；通过所述源域工况数据集和目标域工况数据集对神经网络架构进行训练，得到训练好的神经网络架构；重新获取各个区段的若干特征量并进行数据预处理，形成待检测的数据集，通过训练好的神经网络架构对所述待检测的数据集进行故障诊断，判断接地故障所在的区段。本发明能够对走行轨的接地故障进行有效检测。
-
公开(公告)号：CN118163803A
公开(公告)日：2024-06-11
申请号：CN202410267387.0
申请日：2024-03-08
Applicant: 苏州大学
IPC: B60W40/064 , B60W30/09 , B60W30/095 , B60W50/14
Abstract: 本发明涉及汽车行驶安全技术领域，具体指一种路面类型识别方法及基于此的车辆自主紧急制动控制方法、装置，包括：通过车辆摄像头、传感器，获取当前车辆自身状态信息以及当前车辆前方目标状态，并将获取信息传送至汽车域控制器中；通过借助激光雷达获取点云反射强度特征识别车辆行驶前方路面类型，从而得出路面的附着系数；通过对于汽车在横纵向上行驶状态进行危险评估，判断是否存在潜在风险，依据驾驶员的反应做出制动措施；提前识别车辆行驶路面类型，从而提高预估路面附着系数的准确度；充分考虑前方路面状态的实时变化，动态适应调整制动，且能够较为缓和地实现车辆制动，有效提高了道路行驶以及车辆主动安全性。
-
公开(公告)号：CN117764331A
公开(公告)日：2024-03-26
申请号：CN202311742610.4
申请日：2023-12-18
Applicant: 苏州大学
IPC: G06Q10/0631 , G06Q10/047
Abstract: 本发明涉及一种机场飞机牵引车有人和无人驾驶混行调度优化方法，包括：设定有人驾驶牵引车的作业轨迹固定，规划无人驾驶牵引车的作业轨迹；采用A*算法生成无人驾驶牵引车全局性路径规划；对无人驾驶牵引车局部路径规划，分别从保持跟驰状态、进行换道行为以及交叉口抢行行为三种情况考虑，并针对较复杂的换道行为和抢行行为建立反馈机制；考虑到要避免机场跑道车机冲突事故，提出进入跑道区前的决策判断模型；本发明直接避开了静态障碍物对车辆运行环境的影响；使无人驾驶和有人驾驶混合车流可以无冲突的高效快速到达作业区，降低了牵引车在航班时间窗内的作业延误，保障了机场地面服务车辆安全作业。
-
公开(公告)号：CN117493964A
公开(公告)日：2024-02-02
申请号：CN202311507030.7
申请日：2023-11-13
Applicant: 苏州大学
IPC: G06F18/241 , G01M13/045 , G06F18/214 , G06F18/213 , G06N3/0895
Abstract: 本发明涉及一种基于半监督类别增量的轴承故障诊断方法及系统，所述方法包括：获取原始振动信号；根据所述原始振动信号生成数据流；所述数据流包括第一数据集和第二数据集；根据所述第一数据集训练半监督类别增量模型，生成初始化模型；所述初始化模型包括特征提取器和分类器；将所述第二数据集输入至所述特征提取器生成第二数据集特征矩阵；所述第二数据集特征矩阵通过半监督类别增量规则更新所述分类器，以生成第一模型和输出权重；根据所述输出权重确定轴承故障类别。通过引入半监督学习算法和增量学习策略，能够在仅使用少量标记样本的情况下，利用大量未标记样本进行模型训练。有助于提高轴承故障诊断的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.028 seconds)
