-
公开(公告)号：CN114563186A
公开(公告)日：2022-05-31
申请号：CN202210074063.6
申请日：2022-01-21
Applicant: 苏州大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种滚动轴承类不平衡故障诊断方法，包括对少数类故障样本进行变参数时频分析，对多数类正常样本进行单一参数时频分析，得到类平衡的时频特征数据集；利用时频注意力机制网络模型进行特征增强处理，得到时频特征增强数据集；构建故障诊断模型；利用时频特征增强数据集对构建的故障诊断模型进行训练，得到训练好的故障诊断模型；对未知健康状态的轴承振动信号进行单一参数时频分析，利用故障诊断模型得到轴承的健康状态。扩充的数据样本具有较高的一致性和多样性，无需优化时频分析的参数，能够有效滤除时频特征中的噪声，且大大提高轴承类不平衡故障诊断的准确率。
-
公开(公告)号：CN114463772A
公开(公告)日：2022-05-10
申请号：CN202210036922.2
申请日：2022-01-13
Applicant: 苏州大学
IPC: G06V30/418 , G06V30/20 , G06V20/58 , G06V10/32 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及一种基于深度学习的交通标志检测与识别方法，方法包括获取交通标志数据集并对其进行预处理，获得交通标志图像，提取交通标志图像的特征；将交通标志数据集的特征输入至自适应空间注意力特征融合模型，利用自适应空间注意力特征融合模型提取多尺度特征，并将多尺度特征进行融合生成相应尺度的融合特征；将融合特征输入至层级分组归一化指数函数检测头，获得初步的预测结果，对初步的预测结果进行目标框筛选，得到最终的检测结果。本发明提出自适应空间注意力特征融合模型和层级分组归一化指数函数，总体上提高了对于小交通标志以及样本匮乏的交通标志类别的检测准确率。
-
公开(公告)号：CN114037215A
公开(公告)日：2022-02-11
申请号：CN202111211555.7
申请日：2021-10-18
Applicant: 苏州大学
IPC: G06Q10/06 , G06F17/16 , G01M13/045
Abstract: 本发明公开了本发明提出了一种基于变步长多尺度复杂度融合指标的故障严重性评估方法。该方法首先提出了变步长多尺度策略，通过优化粗粒化过程，更全面地挖掘了故障特征，该策略解决了传统复杂度指标(LZC)因单尺度分析导致难以挖掘深层次信息的问题，同时也解决了传统多尺度复杂度指标(MLZC)因序列长度随尺度增加而缩短导致计算结果不准确的问题，以此构建了变步长多尺度复杂度指标(VSMLZC)。该发明相比于传统的复杂度指标，能够更准确、全面地挖掘故障特征，实现对旋转设备的早期故障诊断和损伤程度评估。
-
公开(公告)号：CN113368353A
公开(公告)日：2021-09-10
申请号：CN202110799949.2
申请日：2021-07-15
Applicant: 苏州大学附属第一医院
IPC: A61M16/00 , A61B5/0205 , A61B5/318 , A61B5/1455 , A61M16/16 , A61M16/10
Abstract: 本发明公开了一种重症患者智能训练呼吸方法，包括如下步骤：S1、医护人员向中控电脑输入患者情况，包括患者年龄、性别、职业、患病情况、治疗情况信息，并设置呼吸训练评价标准；S2、通过患者身上佩戴的心电传感器实时获取患者心率，脉氧传感器实时获取患者血氧饱和度和呼吸频率，血压传感器获取高压、低压、脉搏；S3、通过人工智能算法，根据患者情况和时间，制定治疗吸氧条件，并自主控制氧气电磁阀调节氧气浓度，控制加热器调节氧气温度、控制雾化器调节氧气湿度，进一步锻炼患者的呼吸功能；该方法主要自主根据患者的病情恢复情况、人体生物钟、以及周围环境因素多方面进行对重症患者的呼吸锻炼，达到快速提高患者恢复健康的速度。
-
-
Patent Agency Ranking
公开(公告)号：CN111651937A
公开(公告)日：2020-09-11
申请号：CN202010496380.8
申请日：2020-06-03
Applicant: 苏州大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G01M13/045 , G06F119/02
Abstract: 本发明涉及一种变工况下滚动轴承的故障诊断方法，其在利用卷积神经网络学习模型的基础上，结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本，利用FFT对样本进行预处理，然后利用改进的ResNet-50提取样本的低层次特征，接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征，计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应，降低域漂移的影响，使得深度学习模型能更好地胜任变工况下的故障诊断任务。
-
公开(公告)号：CN110427916B
公开(公告)日：2020-05-01
申请号：CN201910750064.6
申请日：2019-08-14
Applicant: 苏州大学
Abstract: 本发明公开了一种中心频率收敛趋势作用下的故障诊断方法，包括(1)采集旋转机械设备的动态信号x(t)；(2)设置变分模型的初始分解参数；(3)使用设定初始分解参数的变分模型分解动态信号x(t)，在中心频率收敛趋势引导下遍历信号分析频带迭代分解动态信号x(t)，得到优化模态{m1...mn...mN}和相应的中心频率{ω1...ωn...ωN}；(4)搜索故障相关模态mI，以故障相关模态mI的中心频率ωI引导参数优化，提取包含故障信息的最优目标分量(5)包络分析最优目标分量根据包络谱诊断旋转机械设备。本发明的故障诊断方法，采用中心频率收敛趋势引导的分解方式实现诊断目标设备原始动态信号的智能分解，能够对采集的设备动态信号自适应地分析，降低了技术人员使用变分模态分解方法进行机械故障诊断的难度。
-
公开(公告)号：CN108827634B
公开(公告)日：2019-12-03
申请号：CN201810662526.4
申请日：2018-06-25
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明涉及一种流形融合经验模态分解方法，包括：在分析信号中加入均值为0、标准差为σ的随机白噪声，获得加噪信号；对所述加噪信号进行EMD处理，获得一个包含故障信息的IMF，即故障模态分量；改变σ的值，重复上述步骤N次，获得N个具有不同噪声强度的故障模态分量，其中，N是正整数；按照给定流形学习方法对所述N个故障模态分量进行融合，得到高维故障模态分量的内在流形结构，即故障瞬态成分。上述流形融合经验模态分解方法，对每次加入分析信号中的随机白噪声的标准差取不同的值，利用流形学习优秀的特征挖掘能力，从高维故障模态分量中提取出具有稳定结构的瞬态成分。
-
公开(公告)号：CN110363248A
公开(公告)日：2019-10-22
申请号：CN201910661422.6
申请日：2019-07-22
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种基于图像的移动众包测试报告的计算机识别装置、设备、计算机可读存储介质及方法。其中，装置包括用于获取移动应用程序众包测试的待识别测试报告的待识别测试报告获取模块；用于提取样本集中各测试报告的文本特征和图像特征的特征提取模块；用于分别计算样本集中各测试报告间的文本相似度和图像相似度的相似度计算模块；用于根据文本相似度和图像相似度生成待识别测试报告的距离矩阵的距离矩阵生成模块；以及用于基于距离矩阵，对待识别测试报告进行分组识别，以将待识别测试报告聚类到描述相同缺陷的测试报告组内的错误识别模块。本申请高效、准确地识别了移动应用程序众包测试报告，有利于提高众包测试报告的审查效率。
-
公开(公告)号：CN110060368A
公开(公告)日：2019-07-26
申请号：CN201910323189.0
申请日：2019-04-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于潜在特征编码的机械异常检测方法。本发明一种基于潜在特征编码的机械异常检测方法，包括：数据预处理：对振动信号数据进行预处理，包括傅立叶变换和归一化；正向传播：将预处理完的信号输入第一个全卷积网络，对数据进行编码。本发明的有益效果：本方法针对异常样本缺失问题，利用深度网络的特征挖掘能力，学习正常信号样本的数据分布，通过对信号进行编码-解码-再编码，将信号转移到潜在空间中进行数据分布对比。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.081 seconds)
