-
公开(公告)号:CN114429153A
公开(公告)日:2022-05-03
申请号:CN202111677774.4
申请日:2021-12-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统,包括以下步骤:S101:采集齿轮箱振动数据构建增量健康状态数据集,划分为不同阶段的故障诊断任务;S102:利用原始ResNet‑32网络学习初始阶段的故障诊断任务,构建初始阶段诊断模型;S103:利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络,并根据新增的故障类型数量增加分类层神经元数量;S104:通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型,训练完成后,选取该阶段故障诊断任务数据的典例;S105:在后续增量阶段重复步骤S103‑S104,得到最终故障诊断模型,进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。
-
公开(公告)号:CN109668733A
公开(公告)日:2019-04-23
申请号:CN201811571587.6
申请日:2018-12-21
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种变分非线性模式分解变转速轴承故障诊断方法。本发明一种变分非线性模式分解变转速轴承故障诊断方法,包括:利用振动信号传感器收集滚动轴承动态信号;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带,从而实现频带分离;采用脊线提取算法分别在低频区域提取转频曲线和在共振频带提取故障特征频率曲线,得到粗略的频率信息;以提取出的粗略频率信息作为初始值,通过变分非线性模式分解方法进行优化分析,以获取准确估计的转频和故障特征频率;对优化后的转频和故障特征频率进行特征阶次计算,并比对理论值判断故障类型。
-
公开(公告)号:CN104978582A
公开(公告)日:2015-10-14
申请号:CN201510246005.7
申请日:2015-05-15
Applicant: 苏州大学
IPC: G06K9/48
CPC classification number: G06K9/48 , G06K2209/21
Abstract: 本发明涉及一种基于轮廓弦角特征的遮挡目标识别方法,通过建立多个目标图像的局部特征的模板库;提取出目标边缘的轮廓特征;构造各轮廓点的弦角特征描述子;利用弦角特征描述子的自包含属性对存在遮挡的轮廓进行描述,获得轮廓段的弦角特征描述矩阵;采用L1度量方法计算目标图像轮廓点的弦角特征描述子与模板库中局部特征的轮廓点的弦角特征描述子之间的距离,获得匹配代价矩阵;利用积分图算法计算匹配代价矩阵的相似度,实现部分遮挡目标的识别。本发明可以对目标形状进行轮廓空间位置特征的提取,实现存在遮挡目标的识别,具有尺度不变性、旋转不变性和平移不变性,提高了目标识别和形状检索的准确率和鲁棒性。
-
公开(公告)号:CN103619144A
公开(公告)日:2014-03-05
申请号:CN201310682688.1
申请日:2013-12-15
Applicant: 苏州大学
IPC: H05K5/06
Abstract: 本发明公开了一种传感器密封保护盒设计,其主体为一个长方体盒子,所述传感器密封保护盒的上面有一个开孔,用于容置天线,所述开孔向外拉伸并制成螺纹孔,所述螺纹孔配备一个对应的螺纹密封管,所述主体的一侧内壁设有至少两道平行的卡槽,在与所述每道卡槽对应设置一对夹板,所述一对夹板分别设置在所述卡槽所在内壁相邻的两个内壁上,所述主体的一侧无盖,该侧安装有可拆卸的侧盖。本发明的目的是使得无线传感器节点在使用安装更加方便,而且不易损坏。
-
公开(公告)号:CN103295225A
公开(公告)日:2013-09-11
申请号:CN201310123686.9
申请日:2013-04-10
Applicant: 苏州大学
Abstract: 本发明公开了一种弱光照条件下的列车转向架边缘检测方法,包括:基于中值滤波法对目标图像进行预处理;采用全局亮度调节函数,对目标图像中暗区细节区域的亮度进行非线性调节;使用局部多尺度Retinex算法增强目标图像的边缘特征;构造小波函数,对目标图像进行小波变换,生成模图和相角图;在模图中寻找沿相角方向模的极大值点,生成边缘图像,并将其它像素点标记为零;将模相近、相角相似的非零像素点联接,删除长度小于预设长度阈值的孤立链,利用数学形态学中的腐蚀运算,对所得到的边缘加以细化,得到单像素宽的边缘。本发明可以对在弱光源条件下拍摄的列车转向架图像的边缘提取,实现了提取图像最本质的特征的目的,有利于后续的故障识别。
-
公开(公告)号:CN102866010A
公开(公告)日:2013-01-09
申请号:CN201210371014.5
申请日:2012-09-28
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种信号的谱峭度滤波方法及相关装置,用于强背景噪声信号滤波,提取信号瞬态特征。本发明实施例包括:获取输入信号;建立以输入信号的信号特征频率为中心频率,不同带宽的Morlet小波滤波器组;根据Morlet小波滤波器组对输入信号滤波,并计算信号平方包络;根据信号平方包络计算谱峭度,并得出谱峭度阻尼比矩阵;根据谱峭度阻尼比矩阵自适应获取最优带宽Morlet小波滤波器;利用最优带宽Morlet小波滤波器对输入信号滤波,并提取输入信号的瞬态特征。
-
公开(公告)号:CN102103014B
公开(公告)日:2012-09-05
申请号:CN201010585236.8
申请日:2010-12-13
Applicant: 苏州大学
IPC: G01H11/06
Abstract: 本发明公开了一种信号中的周期瞬态成分的检测方法,利用传感装置输入并进行模/数转换,获得信号,检测信号中是否存在周期瞬态成分,其特征包括如下步骤:计算信号的时间平均函数;计算其相关系数;利用快速傅里叶变换计算的频谱,根据频谱确定信号的主要频率成分,分别按照周期建立极坐标映射,并将各映射表示在极坐标图上,当对应于周期极坐标图上出现增强的特征表示,判定待检测信号中存在有周期的瞬态成分。本发明方便地实现了瞬态成分特征参数及周期的自适应检测,提高周期判断的效率和准确性;特别适用于旋转机械设备故障自动识别,并能成功进行多故障并存时的诊断。
-
公开(公告)号:CN102103014A
公开(公告)日:2011-06-22
申请号:CN201010585236.8
申请日:2010-12-13
Applicant: 苏州大学
IPC: G01H11/06
Abstract: 本发明公开了一种信号中的周期瞬态成分的检测方法,利用传感装置输入并进行模/数转换,获得信号,检测信号中是否存在周期瞬态成分,其特征包括如下步骤:计算信号的时间平均函数;计算其相关系数;利用快速傅里叶变换计算的频谱,根据频谱确定信号的主要频率成分,分别按照周期建立极坐标映射,并将各映射表示在极坐标图上,当对应于周期极坐标图上出现增强的特征表示,判定待检测信号中存在有周期的瞬态成分。本发明方便地实现了瞬态成分特征参数及周期的自适应检测,提高周期判断的效率和准确性;特别适用于旋转机械设备故障自动识别,并能成功进行多故障并存时的诊断。
-
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。
-
-
-
-
-
-
-
-
-