-
公开(公告)号：CN101770219B
公开(公告)日：2011-11-09
申请号：CN201010102878.8
申请日：2010-01-29
Applicant: 北京信息科技大学
IPC: G05B19/4065
Abstract: 本发明涉及一种车铣复合机床故障诊断知识库的知识获取方法，步骤一、获取车铣复合机床历史故障信息和机床实时在线监测信息；步骤二、对历史故障信息和实时在线监测信息依次进行信号处理、故障特征信息选取和数据离散化处理后，以故障特征属性为条件属性，以故障模式为决策属性，构建故障诊断的知识决策表；步骤三、基于所构建的知识决策表，进行基于粒度计算的故障特征属性的约简和属性值约简；步骤四、采用规则的置信度和覆盖度作为评价指标对约简后的决策规则进行度量和评价。本发明由于可以从大量实时在线和离线数据中为故障诊断获取精简、有效的知识和规则，为其故障诊断提供了有效的保障。本发明可以广泛应用于各种数控机床故障诊断中。
-
公开(公告)号：CN119669972A
公开(公告)日：2025-03-21
申请号：CN202411735681.6
申请日：2024-11-29
Applicant: 北京东方振动和噪声技术研究所 , 北京信息科技大学
IPC: G06F18/2433 , G06F18/25 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及行星齿轮箱故障诊断领域，公开了一种基于可视图谱特征融合的行星齿轮箱故障诊断方法、系统、介质及设备，其包括：通过预先搭建的行星齿轮箱工作平台，采集行星齿轮箱运行时的正常状态和故障的时域信号；将时域信号进行Welch变换得到功率谱，根据功率谱采用可视图算法构建可视图图谱，以提取图谱节点的中心性指标并融合成特征矩阵；将特征数据归一化并划分为训练集和测试集，基于训练集训练CNN‑Inception模型，由测试集检验CNN‑Inception模型，性能指标为故障诊断的准确率；将实时采集到的行星齿轮箱信号经过特征提取后，输入到训练后的CNN‑Inception模型进行诊断。本发明能提取有效特征信息，并提高模型诊断准确率。
-
公开(公告)号：CN114662605B
公开(公告)日：2024-11-19
申请号：CN202210321847.4
申请日：2022-03-29
Applicant: 北京信息科技大学
IPC: G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于改进的YOLOv5模型的火焰检测方法，包括：建立火焰数据集；以YOLOv5模型为基础模型，嵌入注意力机制单元、增加新增检测层、引入边界损失函数得到第一YOLOv5模型；对第一YOLOv5模型进行预训练得到第二YOLOv5模型；对第二YOLOv5模型进行优化，得到第三YOLOv5模型；将测试图像输入第三YOLOv5模型得到火焰检测结果。通过嵌入注意力机制单元，能够同时考虑通道间关系和空间信息，使得第一YOLOv5模型能够更准确地定位并识别目标区域；增加新增检测层用于检测小尺寸目标；引入边界损失函数对小数据集和噪声的鲁棒性更强，并且更适合轻量化模型。
-
公开(公告)号：CN107945192B
公开(公告)日：2021-10-22
申请号：CN201711342578.5
申请日：2017-12-14
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种托盘纸箱垛型实时检测方法，其步骤：由深度相机和彩色相机获取到垛内所有箱子的深度图像和RGB图像，并对深度图像进行预处理，得到一个只包含箱子深度映射出来的二值图像；采用递进方式找出箱垛最上面一层箱子的灰度阈值，进行二值化得到一个只包含最上层纸箱的最外层轮廓；提取边缘轮廓，并利用二值图像得到直线的边缘轮廓，提取边缘轮廓的所有坐标得到最上层纸箱的边缘点；把深度图像上面的边缘点的坐标映射到RGB图像上；对坐标映射得到的RGB图像进行分割处理，获得RGB图像上最上层纸箱子整体区域的所有像素点信息；根据箱子的垛型和箱子摆放的轮廓得到每个箱子4个角的坐标，再由中心点定理计算出每个箱子的中心坐标，完成对托盘垛型的实时检测。
-
公开(公告)号：CN108527351B
公开(公告)日：2021-05-25
申请号：CN201810616217.3
申请日：2018-06-14
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种机械臂，包括支架、驱动电机、主动齿轮、从动齿轮、主动臂、定位转轴、第一同步带轮组、第一固定轴、第一支撑轴、定位轴承、第一支撑轴承、第二同步带轮组、从动臂、第二支撑轴、第二支撑轴承和末端执行器。当驱动电机旋转时，主动齿轮旋转，从而使得安装了从动齿轮的主动臂在驱动下发生旋转。由于所述第一同步带轮组的大带轮固定在主动臂的壳体上，从而使得第一同步带轮组的小带轮产生反转，因从动臂的壳体与第一支撑轴固定，从而使得从动臂反转，实现机械臂的伸缩运动，从而使得末端执行器沿着径向运动。同时本发明还公开一种仓储机器人，包括移动式底盘、机架和机械臂，该机械臂具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN110514664A
公开(公告)日：2019-11-29
申请号：CN201910767593.7
申请日：2019-08-20
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种筒子纱纱杆定位检测机器人及方法，其包括运动系统，运动系统和视觉系统都安装在门架结构上，并与控制系统连接；构成三坐标系统的X轴支架、Y轴支架和Z轴支架及相应伺服电机采用直线导轨形式，Z轴支架底部的侧面上设置有视觉系统，视觉系统包括工业摄像机和环形光源；Z轴支架上的伺服电机带动Z轴支架上下移动，同时带动工业摄像机和环形光源一起上下移动；X轴支架和Y轴支架通过各自的伺服电机控制视觉系统左右水平移动，带动视觉系统达到指定纱杆的坐标位置；纱笼回转工位安装在地面上，A轴支架设置在纱笼回转工位处，采用回转支撑结构，用于承载标准纱笼，并通过A轴的伺服电机控制带动所承载的纱笼移动。
-
公开(公告)号：CN109732406A
公开(公告)日：2019-05-10
申请号：CN201910011930.X
申请日：2019-01-07
Applicant: 北京信息科技大学
IPC: B23Q17/09
Abstract: 本发明涉及一种智能刀具故障诊断方法，其包括以下步骤：获取机床刀具加工过程中总电机产生的三相电流信号：刀具切削产生的振动信号、切削力信号以及声发射信号，并对采集到的各种信号进行数据分析处理，提取其中的刀具敏感特征；根据获得的刀具敏感特征，建立刀具信号特征和刀具磨损故障的对应关系，以完成刀具磨损故障的智能识别。本发明根据刀具加工过程三相电流信号、振动信号、声发射信号以及切削力信号特征，实现刀具磨损故障的自动检测，并能自动识别刀具磨损状态。
-
公开(公告)号：CN107945192A
公开(公告)日：2018-04-20
申请号：CN201711342578.5
申请日：2017-12-14
Applicant: 北京信息科技大学
CPC classification number: G06T7/12 , G06T7/136 , G06T7/181 , G06T7/90 , G06T2207/20116
Abstract: 本发明涉及一种托盘纸箱垛型实时检测方法，其步骤：由深度相机和彩色相机获取到垛内所有箱子的深度图像和RGB图像，并对深度图像进行预处理，得到一个只包含箱子深度映射出来的二值图像；采用递进方式找出箱垛最上面一层箱子的灰度阈值，进行二值化得到一个只包含最上层纸箱的最外层轮廓；提取边缘轮廓，并利用二值图像得到直线的边缘轮廓，提取边缘轮廓的所有坐标得到最上层纸箱的边缘点；把深度图像上面的边缘点的坐标映射到RGB图像上；对坐标映射得到的RGB图像进行分割处理，获得RGB图像上最上层纸箱子整体区域的所有像素点信息；根据箱子的垛型和箱子摆放的轮廓得到每个箱子4个角的坐标，再由中心点定理计算出每个箱子的中心坐标，完成对托盘垛型的实时检测。
-
公开(公告)号：CN106313014A
公开(公告)日：2017-01-11
申请号：CN201610953749.7
申请日：2016-11-03
Applicant: 北京信息科技大学 , 北京京东世纪信息技术有限公司
CPC classification number: B25J9/1687 , B25J9/0009 , B25J9/04
Abstract: 本发明涉及一种携带卡紧式机械手的仓储拣货机器人及其使用方法，其包括移动底盘、转动本体、机械臂和机械手；所述移动底盘上部设置有所述转动本体，位于所述转动本体上设置有能升降和伸缩的所述机械臂，所述机械臂上设置有能模拟人手动作进行货物拆卸的所述机械手。本发明可以实现将紧密排列堆放整齐的箱式货物模拟人手动作将其进行拆卸和搬运，有效提高拣货效率；可以广泛用于立式高架库中，模拟人手动作，将托盘中密集堆放，包装箱相互之间没有缝隙的单件货物拆出。
-
公开(公告)号：CN106002483A
公开(公告)日：2016-10-12
申请号：CN201610289610.7
申请日：2016-05-04
Applicant: 北京信息科技大学
IPC: B23Q17/09
CPC classification number: B23Q17/0957
Abstract: 本发明涉及一种智能刀具故障诊断方法，其步骤：在机床的CNC端与机床端之间设置PLC；由PLC获取机床加工过程中产生的若干刀具振动信号x(t)，并对采集到的各刀具振动信号x(t)进行处理并提取刀具特征；根据获得的刀具特征信息建立刀具振动信号和刀具磨损故障的对应关系，以完成刀具磨损故障的智能识别：对每个刀具振动信号进行训练得到隐马尔可夫模型λ；利用训练好的隐马尔可夫模型λ进行似然率的计算，将刀具振动信号的序列O输入到以训练好的各个隐马尔可夫模型中，得到各刀具振动信号在相应隐马尔可夫模型下的似然率，进而实现刀具状态识别。本发明结合机床本身特性和刀具加工过程振动信号特征，实现刀具磨损故障的自动检测，并能自动识别刀具磨损状态。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.05 seconds)
