-
公开(公告)号：CN111024566B
公开(公告)日：2022-07-01
申请号：CN201910982739.X
申请日：2019-10-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于频域分析的机械磨损程度标定方法及系统，涉及油液磨粒监测领域。该方法主要包括以下步骤：首先通过信号采集卡采集在不同磨粒浓度下传感器输出的电压信号；接着去除采集得到的电压信号的直流分量，并对去直流分量后的电压信号进行傅立叶变化，将时域信号转化成频域信号；接着再对频域信号根据幅值大小从大到小进行降序排列，并计算排序后的频域信号的q阶重心频率；最后通过线性拟合得到磨粒浓度与的q阶重心频率线性度，通过q阶重心频率标定机械磨损程度。该方法能够有效反映油液中磨粒浓度的变化，因此可以用来标定机械磨损的程度。此外，该方法不需要额外的滤波器和降噪步骤，简化了信号处理的步骤。
-
公开(公告)号：CN113281566A
公开(公告)日：2021-08-20
申请号：CN202110510818.8
申请日：2021-05-11
Applicant: 重庆邮电大学
Abstract: 本发明属于信号处理领域，具体涉及一种基于组合复信号相位差的频率估计方法；所述方法包括通过信号采集器对原始信号采样，获得长度为N+M的数字信号；从该段数字信号0点起取N点构造出第一时间序列，从该段数字信号第M点起取N点构造出第二时间序列；构造出长度为N的对称窗函数，分别对第一时间序列和第二时间序列进行对称加窗处理得到第一加窗函数和第二加窗函数；构造出第三时间序列，对第三时间序列进行离散傅里叶变换得到该序列的频谱；利用频谱的峰值谱线解算得到相位差，通过相位差估计得到原始信号的频率值。本发明只需要一次FFT运算即可对信号频率进行高精度估计，大大减少了算法的运算量，提高了实时性。
-
公开(公告)号：CN110223299B
公开(公告)日：2021-06-18
申请号：CN201910504647.0
申请日：2019-06-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及机械系统状态监测技术领域，特别涉及一种基于沉积过程的磨粒分割方法，包括：对在线可视铁谱所获得的磨粒沉积过程视频进行分解，获得每个时刻的磨粒链图像；将获得的每个时刻的磨粒链沉积图像中的磨粒链分割出来，得到磨粒链图块；利用最近邻域法对磨粒每个时刻的磨粒链图块进行匹配，获得磨粒链的沉积变化过程；根据磨粒沉积链的长度变化来去除冗余的磨粒图块；对磨粒链图块采取每一列像素值分别相加，对相邻时刻的磨粒链图块的像素值之和相减，匹配相邻磨粒链图块相同部分；对新沉积的磨粒运用距离变换生成标记，运用标记分水岭进行分割，获得磨粒的分割图像；本发明能够准确地分割出磨粒沉积链中的磨粒，对实现在线铁谱图像分析技术的智能化和自动化具有重要意义。
-
公开(公告)号：CN111024566A
公开(公告)日：2020-04-17
申请号：CN201910982739.X
申请日：2019-10-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于频域分析的机械磨损程度标定方法及系统，涉及油液磨粒监测领域。该方法主要包括以下步骤：首先通过信号采集卡采集在不同磨粒浓度下传感器输出的电压信号；接着去除采集得到的电压信号的直流分量，并对去直流分量后的电压信号进行傅立叶变化，将时域信号转化成频域信号；接着再对频域信号根据幅值大小从大到小进行降序排列，并计算排序后的频域信号的q阶重心频率；最后通过线性拟合得到磨粒浓度与的q阶重心频率线性度，通过q阶重心频率标定机械磨损程度。该方法能够有效反映油液中磨粒浓度的变化，因此可以用来标定机械磨损的程度。此外，该方法不需要额外的滤波器和降噪步骤，简化了信号处理的步骤。
-
公开(公告)号：CN110986215A
公开(公告)日：2020-04-10
申请号：CN201911154801.2
申请日：2019-11-22
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种空气净化用处理装置，所述机体的侧壁上具有进风口、出风口以及与所述进风口和所述出风口连通的风道，所述进口滤网与所述机体固定连接，并位于所述进风口，所述净化组件置于所述风道的内部，所述出口滤网与所述机体固定连接，并位于所述机体的出风口，所述风机与所述风道固定连接，并为位于所述风道的内部；所述混合型活性炭过滤器、所述碳纤维过滤器和所述3MHEPA滤网分别与所述风道固定连接，均位于所述风道的内部，且所述活性炭过滤器、碳纤维过滤器和3MHEPA滤网依次排布。达到提升空气净化装置的净化效果的目的。
-
Patent Agency Ranking
公开(公告)号：CN110935193A
公开(公告)日：2020-03-31
申请号：CN201911154315.0
申请日：2019-11-22
Applicant: 重庆邮电大学
IPC: B01D11/04
Abstract: 本发明公开了一种西药成分萃取装置，所述储液罐的出口端通过管道与所述萃取罐的进口端连通，所述冷凝件呈倾斜设置，所述冷凝件的进口端通过管道与所述萃取罐的侧壁的出气端连通，所述冷凝件的出口端通过管道与所述收集罐的进液端连通，所述收集罐的出气端通过管道与所述泵体连通，所述加热件与所述萃取罐固定连接，所述第一超声控制件与所述萃取罐固定连接，所述第一超声片与所述萃取罐固定连接，所述出液管的一端与所述萃取罐连通，并位于所述萃取罐的底端的侧壁上，所述出液管的另一端与所述开关阀固定连接。达到提高了西药成分萃取装置的萃取效果和萃取效率的目的。
-
公开(公告)号：CN110245595A
公开(公告)日：2019-09-17
申请号：CN201910485583.4
申请日：2019-06-05
Applicant: 重庆邮电大学
IPC: G06K9/00 , G06K9/62 , G06K9/68 , G01M13/045
Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于时频谱图和二维主成分分析的机械轴承故障诊断方法，包括接收原始信号数据并进行预处理，获得原始信号数据的初始向量；对初始向量进行短时傅里叶变换时频分析，得到原始信号所对应的短时傅里叶变换三维时频谱图；对短时傅里叶变换三维时频谱图进行灰度图转化，得到二维的时频谱图；对二维时频谱图进行维数约减，提取得到二维时频谱图所对应的低维特征矩阵；利用t-sne算法对二维主成分分析的输出矩阵进行二次维数约简处理；采用t-sne算法的输出矩阵训练支持向量机，完成故障诊断模型的构建，输入测试数据即可输出诊断结果；本发明减少了计算时间，并提高机械故障诊断的精度。
-
公开(公告)号：CN109738338A
公开(公告)日：2019-05-10
申请号：CN201910110956.X
申请日：2019-02-12
Applicant: 重庆邮电大学
Abstract: 本发明属于机械装备状态监测领域，具体涉及一种大口径润滑油路在线金属颗粒监测装置及其检测方法，所述装置包括传感器，所述传感器包括第一磁极、大口径油管外侧平面槽、检测线圈、第二磁极、激励线圈；沿着机械设备润滑油路系统将油液引导通过一个大口径油管，使传感器两磁极与大口径油管外侧贴合，将传感器上的激励线圈与直流电源相连，所述检测线圈设置在大口径油管外表面，并将检测线圈与电压信号采集装置相连；本发明利用直流驱动传感器产生轴向高梯度静磁场，作为激励源，其抗干扰能力强，相较于采用高频激励的传统电感型传感，本发明驱动电路简单，且激励线圈的微小参数变化不会引起传感器输出的可观变化，因而，对传感器的制造精度要求不高。
-
公开(公告)号：CN107271002A
公开(公告)日：2017-10-20
申请号：CN201710463003.2
申请日：2017-06-19
Applicant: 重庆邮电大学
IPC: G01F23/296
CPC classification number: G01F23/2966
Abstract: 本发明请求保护一种快速高精度的频谱校正插值算法，包括以下步骤：用信号采集器对信号采样。对采集到的信号加窗预处理；在预处理后的信号后补加相同长度的零值；计算与所加窗函数有关的泰勒级数的系数；通过傅里叶变换求得幅值比，进一步求出频率粗估计值和迭代1次后的精估计值。本发明优点在于：1，本方法打破了插值法依赖于窗函数的限制，即对于任意的窗函数，此方法均适用。2，对不同的窗函数，本算法的系统误差均小于10-7，即使当信号被高斯白噪声(信噪比从-5dB到100dB变化)干扰的情况下，均能接近Cramér-Rao lower bound(CRLB)，尤其加矩形窗时，具有很强的抗噪声性能。
-
公开(公告)号：CN105679312A
公开(公告)日：2016-06-15
申请号：CN201610125032.3
申请日：2016-03-04
Applicant: 重庆邮电大学
IPC: G10L15/02 , G10L19/02 , G10L21/0332
Abstract: 本发明请求保护一种噪声环境下声纹识别的语音信号特征处理方法，包括步骤：(1)根据语音信号的特点对其进行信号的前期处理，包括语音信号的预加重，端点检测和加窗函数的选择；(2)估算发声个体的基音周期，并以此为依据对语音信号进行谱平滑处理，得到新的谱包络，计算通过梅尔滤波器的能量，最终通过离散余弦变换(DCT)计算得到梅尔平滑系数(SFCC)。(3)结合均值消减法、方差归一化、时间序列滤波法和加权自回归移动平均滤波法对SFCC进行后处理，得到回归平衡参数(MVDA)；目的是通过平滑谱包络去除个体发声的不稳定因素和通过后处理算法去除环境噪声的影响，最终降低声纹识别的误识率。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.025 seconds)
