-
公开(公告)号：CN107525674B
公开(公告)日：2019-06-28
申请号：CN201710392666.X
申请日：2017-05-27
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于脊线概率分布和局部波动特征的瞬时转频估计方法及检测装置，方法包括以下步骤：从振动信号中分离出低频区域，并采用快速谱峭度方法识别出共振频段，从而实现频段分离，并采用幅值累加平方算法对信号低频区域和共振频段时频分布特征进行增强；采用峰值搜索算法分别搜索信号低频区域和共振频段转频同步脊线，预估计出转频信息，对共振频段脊线同步化处理；利用基于概率分布的异常脊线区间定位方法，以确定脊线失效位置，改善对低频段和共振包络信号提取的脊线进行融合的结果；建立基于局部波动特性异常区间融合准则，引入标准差作为统计指标来指示脊线波动特征，作为异常数据段融合指标来评定融合结果，实现转频准确估计。
-
公开(公告)号：CN108152025A
公开(公告)日：2018-06-12
申请号：CN201711376491.X
申请日：2017-12-19
Applicant: 苏州大学
IPC: G01M13/00
CPC classification number: G01M13/00
Abstract: 本发明公开了一种自适应变分模式分解的机械微弱故障诊断方法。首先利用振动信号传感器收集机械设备动态信号；然后给定一个初始平衡参数以及设定变分模式分解方法提取分量的个数为一个；然后，利用变分模式分解方法对设备动态信号进行迭代分解，并以峭度或稀疏度等故障特征敏感参数为衡量指标计算分解出的模式分量，直到确定变分模式分解方法分解出含有故障信息的分量停止迭代分解；其次，将迭代分解出的干扰分量从原始设备动态信号中剔除。该发明克服了传统变分模式分解方法中最优平衡参数以及合理的分解模式分量的数目自适应选择的难题，能够自适应地提取出机械设备动态信号中的故障成分，且易操作，具有广泛应用的前景。
-
公开(公告)号：CN107525674A
公开(公告)日：2017-12-29
申请号：CN201710392666.X
申请日：2017-05-27
Applicant: 苏州大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明公开了一种基于脊线概率分布和局部波动特征的瞬时转频估计方法及检测装置，方法包括以下步骤：从振动信号中分离出低频区域，并采用快速谱峭度方法识别出共振频段，从而实现频段分离，并采用幅值累加平方算法对信号低频区域和共振频段时频分布特征进行增强；采用峰值搜索算法分别搜索信号低频区域和共振频段转频同步脊线，预估计出转频信息，对共振频段脊线同步化处理；利用基于概率分布的异常脊线区间定位方法，以确定脊线失效位置，改善对低频段和共振包络信号提取的脊线进行融合的结果；建立基于局部波动特性异常区间融合准则，引入标准差作为统计指标来指示脊线波动特征，作为异常数据段融合指标来评定融合结果，实现转频准确估计。
-
公开(公告)号：CN104909436A
公开(公告)日：2015-09-16
申请号：CN201510315154.4
申请日：2015-06-10
Applicant: 苏州大学
IPC: C02F1/461 , C02F103/42
Abstract: 本发明公开了一种电解型杀菌消毒装置、制备方法及应用，具体涉及一种基于涂覆功能纳米复合陶瓷电极材料的泳池杀菌消毒装置与使用方法。将氯铱酸、氯化钴、氧化钴、柠檬酸和乙二醇按摩尔比0.1～0.5：0.01～0.2：0.01～0.2：0.3～0.7：12～20混合均匀，涂覆于金属电极板的表面，再经烘烤、烧结处理，得到一种具有纳米复合陶瓷涂层、用于电解型杀菌消毒装置的功能电极，将其组装成杀菌消毒的功能模块，放入泳池中，将功能模块与电源控制模块连接。通过功能模块的电极电解水的作用产生大量的羟基自由基，并在水的循环对流下，对泳池水进行杀菌、消毒和净化处理。本发明提供的电解型杀菌消毒装置结构精致，无毒副作用，杀菌、消毒和净化的效果好，安装使用方便，可替代目前泳池常规的消毒方法。
-
公开(公告)号：CN118690146B
公开(公告)日：2024-11-22
申请号：CN202411195521.7
申请日：2024-08-29
Applicant: 苏州大学
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/0895 , G06N3/096 , G06F18/214
Abstract: 本发明公开了高铁轮轨运维技术领域的一种高铁轮轨渐进式自监督损伤识别方法，方法包括：获取待识别的振动信号；将所述振动信号输入预构建的师生网络进行训练，直至基于所述振动信号构建的重构损失函数和预测损失函数收敛，获得训练完成师生网络中的编码器参数；将所述编码器参数迁移至预构建的识别网络，输入训练样本至所述识别网络，获得训练完成的识别网络；将所述振动信号输入至训练完成的所述识别网络中，输出损伤类型预测概率。本发明能够解决现有的自监督学习方法局限于设计预先定义的代理任务来利用无标签样本进行预训练，其有效性和合理性只能由下游识别任务的性能验证，导致识别性能和解释性弱的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116089860B
公开(公告)日：2024-09-20
申请号：CN202310035287.0
申请日：2023-01-10
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/2131 , G06F18/2337 , G06N3/0464 , G06N3/048 , G06N3/084 , G01M13/045 , G01M13/028
Abstract: 本发明涉及深度学习技术领域，尤其是指一种多阶段分布校正引导的设备故障诊断方法、装置及计算机存储介质。本发明所述的设备故障诊断方法，将无标记的查询集和有标记的查询集进行幂变换，使其符合高斯分布，并将经过幂变换的多个查询集特征聚类为多个簇并对每个支持集特征进行分配，利用无标记查询集的高斯统计量来校正带有标记的支持集分布，分布修正可以使支持集分布更接近于查询集的真实分布，通过从校正后的分布中采样来增加更多的特征以扩大训练数据集来训练分类器，可以提高模型在小样本场景下的诊断性能，实现在小样本场景下的智能故障诊断，提高了故障诊断的准确性。
-
公开(公告)号：CN118468724A
公开(公告)日：2024-08-09
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：CN116337447B
公开(公告)日：2024-07-19
申请号：CN202211640727.7
申请日：2022-12-19
Applicant: 苏州大学
IPC: G01M13/045 , G01M17/10 , G06F18/213 , G06F18/24 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及一种非平稳工况下轨道车辆轮对轴承故障诊断方法包括根据多种传感器采集的轨道车辆轮对轴承在不同非平稳工况下的多种信号获取样本数据；多通道融合得多传感器信息融合样本并进行自适应加权，生成目标多传感器信息融合数据，特征提取器提取目标多传感器信息融合数据在多传感器视角下的特征信息，存储至相对应的记忆库中；利用原型对比学习进行领域适配学习，获取域适应损失；利用源域数据集中提取的特征信息与半监督学习算法训练域共享类别分类器；利用域适应损失与半监督分类损失通过反向传播与梯度下降算法更新网络参数，获得目标网络；将数据集中没有类别标签的待测试样本数据输入至目标网络中，获取待测试样本数据的故障类别。
-
公开(公告)号：CN118094201B
公开(公告)日：2024-07-02
申请号：CN202410524561.5
申请日：2024-04-29
Applicant: 苏州大学
IPC: G06F18/213 , G06F18/25
Abstract: 本发明公开了智能运维技术领域的一种自适应多变量故障特征提取与增强方法，方法包括：采集多变量振动信号；根据所述多变量振动信号的采样频率获取初始频率，根据多维拓展后的变分模式提取方法对所述初始频率进行一次更新获得更新后的频率，将所述初始频率和更新后的频率作差以获取一次更新前后频率之差的正负转变点，根据所述正负转变点获取联合特征信息；将所述联合特征信息输入预构建的多变量模式提取模型以提取多变量故障模式；通过多变量故障模式的融合包络谱降低所述多变量故障模式中的带内噪声以突出故障特征频率进行故障特征识别。本发明能够解决多变量信号中故障特征提取困难，大量的带内噪声导致重要故障信息被淹没的技术问题。
-
公开(公告)号：CN117436037A
公开(公告)日：2024-01-23
申请号：CN202311506970.4
申请日：2023-11-13
Applicant: 苏州大学
IPC: G06F18/28 , G01M13/045 , G06F18/2136
Abstract: 本发明涉及一种基于加权多尺度卷积稀疏表示的轴承故障诊断方法及系统，所述方法包括：对初始振动信号进行预处理，生成振动信号；根据加权多尺度卷积稀疏表示模型、交替方向乘子法和受控极小化法生成迭代求解算法；根据所述迭代求解算法从所述振动信号中分离时域故障冲击特征；根据所述时域故障冲击特征确定轴承故障类型。通过加权多尺度卷积稀疏表示模型、交替方向乘子法和受控极小化法得到迭代求解算法，可以在多种复杂干扰条件下依然能够准确提取周期性故障冲击特征，实现滚动轴承的准确诊断，确保整个机械系统的运行安全。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.033 seconds)
