-
公开(公告)号：CN118761003A
公开(公告)日：2024-10-11
申请号：CN202410889689.1
申请日：2024-07-04
Applicant: 北京信息科技大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/213 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06V10/74 , G06F18/10 , G06N3/0895
Abstract: 本发明涉及一种转子系统异常检测数据驱动方法、系统、存储介质及设备，其包括：将燃气轮机时间序列振动信号通过短时傅里叶时频分析处理后得到时频谱图；通过梅尔频率映射将振动信号时频谱图转化为Mel谱图；将Mel谱图作为自动编码器驱动模型的输入，对自动编码器驱动模型进行训练，并利用改进的SSIM损失函数，将完全由正常健康信号组成的训练数据对模型的参数进行优化迭代；通过训练好的驱动模型计算测试数据的原始图像和重构图像之间的SSIM，得到该组测试数据信号的SSIM指标，根据SSIM指标识别出燃气轮机的异常振动。本发明能通过在单一工况零故障样本且仅有正常信号的数据集上的训练，识别其它任何工况的异常行为。
-
公开(公告)号：CN113312973B
公开(公告)日：2023-06-02
申请号：CN202110463695.7
申请日：2021-04-25
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种手势识别关键点特征提取方法及系统，其包括：对输入的RGB三通道图像进行特征提取与区域分割，获得手部的实例分割与掩码；对手部的实例分割与掩码进行目标匹配，标记出关键点；将标记出的关键点进行数据平滑处理，并对骨骼点进行重新标定，从而得到稳定的手势提取特征。本发明能够最大程度摒除环境干扰，精准提取关键点，与传统方法及单一Mask R‑CNN提取相比，在精度与鲁棒性上都明显提高；本发明可以广泛在特征提取技术领域中应用。
-
公开(公告)号：CN115990789A
公开(公告)日：2023-04-21
申请号：CN202211189691.5
申请日：2022-09-28
Applicant: 北京信息科技大学
Inventor： 王红军
IPC: B23Q17/00
Abstract: 本发明涉及监测加工主轴运行参数的系统及方法、系统、加工机床，包括主控模块、感测模块、无线数据传输模块、电量监测模块及电源模块，感测模块、无线数据传输模块及电源模块与主控模块电连接，电量监测模块和主控模块及电源模块电连接；电源模块包括第一供电路径和第二供电路径，第一供电路径包括蓄电池；第二供电路径包括压电式电能采集单元、电能收集单元及储能单元；当储能单元的电压小于预设电压阈值时，第一供电路径为主控模块供电；当储能单元的电压大于等于预设电压阈值时，第二供电路径为主控模块供电，本申请能够将机械能转化为电能为感知系统提供足够的电能，使感知系统能够准确监测主轴工作状态。
-
公开(公告)号：CN115270867A
公开(公告)日：2022-11-01
申请号：CN202210874346.9
申请日：2022-07-22
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种燃气轮机转子系统改进DQN故障诊断方法及系统，其包括：采集实验平台燃气轮机转子的振动数据进行预处理，将振动数据划分为训练集和测试集；构建DQN模型的状态空间与动作空间，状态空间由故障样本构成，动作空间是由故障类型构成；DQN模型环境与智能体交互，环境输出状态智能体，智能体通过ε‑贪婪策略决策出动作到环境，在环境中反馈得到奖励和下一个状态，同时该条经验存储到经验回放池内；智能体中的主网络和目标网络采用WDCNN模型，在学习训练中从经验回放池内随机选取经验到主网络和目标网络中，经学习训练后得到最优Q值与总奖励；将训练集数据输入到训练好的智能体中，将测试集数据输入训练好的WDCNN模型，得到故障诊断结果。
-
公开(公告)号：CN112846938A
公开(公告)日：2021-05-28
申请号：CN202110005626.1
申请日：2021-01-05
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种切削工况下的主轴回转精度劣化溯源系统，其在线处理部分包括数据采集模块、信号分析与处理模块和人机交互模块；离线处理部分包括劣化溯源模块；数据采集模块用于采集切削工况下的主轴振动位移信号，得到主轴回转误差并传输至信号分析与处理模块；信号分析与处理模块将接收到的主轴回转误差信号进行频谱变换，并对采集到的原始振动信号进行降噪处理，对传感器测得的主轴振动位移信号进行误差分离，对主轴回转误差进行误差结果评定；人机交互模块与信号分析与处理模块进行信息交互，用于显示评定结果，并生成报表；设置采集信号的参数并传输至信号分析与处理模块；劣化溯源模块用于进行基于轴心轨迹的主轴回转精度劣化分析，实现主轴运行状态识别。
-
Patent Agency Ranking
公开(公告)号：CN112749688A
公开(公告)日：2021-05-04
申请号：CN202110149643.2
申请日：2021-02-02
Applicant: 北京信息科技大学
IPC: G06K9/00 , G06F17/18 , G06F30/20 , G06F119/10
Abstract: 本发明涉及一种基于MC罚函数的冲击载荷稀疏识别方法及系统，其包括：采集含有噪声信号的转子系统的转子、轴承等振动信号；将振动信号压缩处理后传输至预先建立的稀疏识别模型；对稀疏识别模型进行求解，实现对振动冲击载荷的识别。本发明采用的基于MC罚函数的稀疏分解结果优于L1正则化稀疏分解结果，且在冲击载荷非加载区噪声被很好的抑制。本发明可以广泛在转子系统冲击载荷识别技术领域中应用。
-
公开(公告)号：CN112158383A
公开(公告)日：2021-01-01
申请号：CN202011082514.8
申请日：2020-10-12
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种用于钢卷打捆锁紧的锁扣装置，其包括定位板、支撑件、螺杆、上模和下模；定位板设置为两块，两块定位板平行设置，且两定位板的一端固定在固定板上；两定位板的内侧两端分别设置有导向槽，两个支撑件通过导向槽滑动设置在两定位板之间；螺杆的一端与两支撑件的上部螺纹连接，且两支撑件的螺纹旋向相反，螺杆的另一端经联轴器与驱动电机输出端连接，由驱动电机带动螺杆运动，进而带动两支撑件在导向槽内对向或背向移动；位于两定位板与两支撑件之间的空间内设置有上模，支撑件的下部设置有下模；且上模与外部压杆连接，进而驱动上模进行上下竖直运动。本发明不划伤待捆物，易于保证冲压做扣不会错位，保证捆带连接强度。
-
公开(公告)号：CN111160167A
公开(公告)日：2020-05-15
申请号：CN201911312525.8
申请日：2019-12-18
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于S变换深度卷积神经网络的主轴故障分类识别方法，其步骤：将主轴振动信号作为振动样本信号，并将该振动样本信号分成多段预先设定长度的信号；对每段信号分别进行S变换、小波变换和短时FFT变换，得到时频谱图图像；将生成的时频谱图尺寸进行压缩，然后随机分为训练样本和测试样本，构建CNN神经网络训练集和测试集；将训练样本输入到CNN中，对CNN网络参数进行学习训练构建深度卷积神经网络模型，并将测试样本输入深度卷积神经网络中测试其分类性能；判断CNN模型是否合格，合格则得到理想CNN模型参数，否则返回重新构建CNN模型；将实际采集到的待测振动信号的S变换后的时频特征输入训练好的CNN模型，得到刻画数据类型的故障分类结果。
-
公开(公告)号：CN110874509A
公开(公告)日：2020-03-10
申请号：CN201911111030.9
申请日：2019-11-14
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种高端数控装备多维信息融合状态评价方法，其步骤：构建基于现场运维数据、运行特征信号及试切标准S试件的多维、多层次的评价模型，计算各评价指标的权重系数；求取设备基于现场运维数据的运行质量的可靠度值；空载运行S试件过程中，采集主轴及进给轴振动信号，及主轴的电流信号，利用信息熵法和峭度法构建基于信号特征的可靠性评价指标；根据S试件的三坐标检测结果，计算标准试件加工精度可靠度；根据基于现场运维数据的可靠度、运行信号的信息熵可靠度和峭度可靠度，标准试件加工精度可靠度，以及根据层次分析法计算的三者之间的权重系数，计算得到多轴数控机床的运行质量可靠性。
-
公开(公告)号：CN107942943A
公开(公告)日：2018-04-20
申请号：CN201711421534.1
申请日：2017-12-25
Applicant: 北京信息科技大学
IPC: G05B19/408
Abstract: 本发明涉及一种基于多源信息融合的高端数控装备状态识别方法，其步骤：利用现有现场采集传感器采集高端数控装备运行状态的多源传感器信息，并进行信息融合；对融合信号的时域、频域、小波域进行特征获取，并对提取的时域特征、频域特征和小波域特征进行特征融合；重构初始特征的多源多域高维相空间，采用局部线性嵌入结构进行降维，优化本征维数，构建能够反映低维流形的局部线性特性的邻域，获得运行状态高维空间中的低维流形变化；采用距离判据获得低维敏感特征，构建低维流形特征的增殖相似度实现对不同状态的识别。本发明基于实时监测和有效感知的信息对数控装备运行状态进行有效识别和判断，准确地识别了数控设备的不同状态。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.072 seconds)
