-
公开(公告)号：CN114004252A
公开(公告)日：2022-02-01
申请号：CN202111205972.0
申请日：2021-10-13
Applicant: 苏州大学
Abstract: 本发明公开了一种轴承故障诊断的方法、装置、设备以及计算机可读存储介质，包括：采集轴承振动信号构建多源域和目标域数据集，构建轴承故障诊断模型，将多源域和目标域的数据集进行处理，输入特征学习器中进行特征提取，根据提取的多源域和目标域的样本特征求取矩量距离，将每个源域样本特征输入对应的分类器中，输出预测标签，并与真实标签计算分类器交叉熵损失，利用矩量距离和分类器交叉熵损失构建模型的目标函数，利用类内对齐训练策略对模型进行训练；将目标域数据集输入完成训练的模型中，通过加权分类机制输出综合预测的结果，本发明采用了多源域迁移能够利用更加完善的故障信息，以便多种工况和多类型的故障诊断。
-
公开(公告)号：CN111829782B
公开(公告)日：2021-12-07
申请号：CN202010688208.2
申请日：2020-07-16
Applicant: 苏州大学
IPC: G01M13/045 , G06K9/62 , G06N20/10
Abstract: 本发明公开了一种基于自适应流形嵌入动态分布对齐的故障诊断方法，本方法通过自动计算最优的子空间维数，并计算测地线流式核和变换后的流形特征表示，可以有效地避免数据在原始欧式空间的特征扭曲。引入相似度度量A‑distance定义一个自适应因子，动态调整样本数据条件分布和边缘分布的相对权重，有效地缩小了源域和目标域样本的分布差异，极大提高了变工况下滚动轴承故障诊断的准确性和有效性，该方法可解释性强，对计算机硬件资源的要求较低，执行速度更快，同时具备出色的诊断精确度、算法收敛性和参数鲁棒性。该方法尤其适用于变工况下多场景、多故障的轴承故障诊断，可广泛地应用于机械、电力、化工、航空等复杂系统的多变工况下的故障诊断任务。
-
公开(公告)号：CN112414714A
公开(公告)日：2021-02-26
申请号：CN202011224083.4
申请日：2020-11-05
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于自适应流形概率分布的轴承故障诊断方法，包括以下步骤：先构建多个可迁移域和迁移任务；再利用傅里叶变换将每个迁移任务中的数据样本均转化为频域数据，并将频域数据输入GFK算法模型中，利用GFK算法模型计算出每个迁移任务中与轴承故障相关的流形特征表示矩阵；根据流形特征表示，计算出每个迁移任务中的目标域与源域中心的余弦距离，并定义域内分类器学习的目标函数；再对目标函数进行求解，得到目标域的概率分布矩阵；在概率分布矩阵中选择目标域内每个数据样本对应的最大概率值所对应的标签，作为该目标域数据样本的预测标签。本发明提升了轴承故障诊断的诊断正确率和诊断效率。
-
公开(公告)号：CN111985461A
公开(公告)日：2020-11-24
申请号：CN202010669476.X
申请日：2020-07-13
Applicant: 苏州大学
Abstract: 本发明涉及一种轨道车辆编号识别方法及系统,包括：利用图像采集器采集车头的照片，将所述照片转换为二值图像，对所述二值图像依次进行高帽变换、膨胀操作以及中值滤波；通过编号的长宽比初步确定编号所在的区域，将其作为样本，通过支持向量机对样本进行训练，得到编号所在的实际区域；对得到的实际区域的车牌照片中的每位数字进行分割；构建数字识别的深度残差网络模型，对分割后的每一位数字进行识别。本发明有效提高车辆编号的识别准确率，而且抗干扰能力强、鲁棒性好。
-
公开(公告)号：CN110427916A
公开(公告)日：2019-11-08
申请号：CN201910750064.6
申请日：2019-08-14
Applicant: 苏州大学
Abstract: 本发明公开了一种中心频率收敛趋势作用下的故障诊断方法，包括(1)采集旋转机械设备的动态信号x(t)；(2)设置变分模型的初始分解参数；(3)使用设定初始分解参数的变分模型分解动态信号x(t)，在中心频率收敛趋势引导下遍历信号分析频带迭代分解动态信号x(t)，得到优化模态{m1...mn...mN}和相应的中心频率{ω1...ωn...ωN}；(4)搜索故障相关模态mI，以故障相关模态mI的中心频率ωI引导参数优化，提取包含故障信息的最优目标分量 (5)包络分析最优目标分量 根据包络谱诊断旋转机械设备。本发明的故障诊断方法，采用中心频率收敛趋势引导的分解方式实现诊断目标设备原始动态信号的智能分解，能够对采集的设备动态信号自适应地分析，降低了技术人员使用变分模态分解方法进行机械故障诊断的难度。
-
Patent Agency Ranking
公开(公告)号：CN106920222B
公开(公告)日：2019-11-08
申请号：CN201710146581.3
申请日：2017-03-13
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明实施例提供了一种图像平滑方法，先利用局部平滑法中的双边滤波以及变换域滤波对原始图像进行平滑处理，获得引导图像；然后利用最小二乘法对原始图像、引导图像以及预设平滑图像构造最小二乘模型，加入对预设平滑图像的约束函数以控制平滑图像的稀疏度，得到平滑能量目标函数；最后利用半二次分裂法以及交替固定变量法求解该函数，从而获得原始图像经过平滑处理后的平滑图像。综合考虑全局特征以及局部特征，增强了原始图像中结构成分的保护，同时恢复了一些高对比度的细节，获得了好的图像平滑效果，有利于提高图像识别的准确率。此外，本发明实施例还提供了相应的实现装置，进一步使得所述方法更具有实用性，所述装置具有相应的优点。
-
公开(公告)号：CN105023245B
公开(公告)日：2018-01-12
申请号：CN201510220885.0
申请日：2015-05-05
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明涉及一种强度和梯度稀疏约束下的图像平滑方法，通过建立基于原图像像素强度和梯度的图像平滑的约束函数，构造原图像与平滑图像的最小二乘模型，向最小二乘模型加入约束函数，建立平滑能量目标函数，引入两辅助变量分别代替目标函数中的强度和梯度，加上两项误差惩罚项，建立图像平滑最小化模型，通过计算最小化模型两辅助变量的值，计算最小化模型的解析解S得平滑图像矩阵。本发明的强度和梯度稀疏约束下的图像平滑方法，综合利用了图像的全局特征和局部特征，及两者之间的关系，达到了提高准确率、鲁棒性，减少计算量的目的。
-
公开(公告)号：CN104866854B
公开(公告)日：2017-12-01
申请号：CN201510226602.3
申请日：2015-05-06
Applicant: 苏州大学
Abstract: 本发明涉及一种基于同底三角形面积描述的目标识别和形状检索方法，包括:S1、提取出目标图像的边缘特征，采用轮廓提取算法提取出目标轮廓特征；S2、根据所提取出的目标轮廓特征构造每个轮廓点的同底三角形集合，计算所有三角形的面积，作为同底三角形面积描述子；S3、采用分段平均的方法平滑同底三角形面积描述子，以形成同底三角形面积特征描述矩阵；S4、将同底三角形面积特征描述矩阵按行局部归一化，以形成最终特征描述矩阵；S5、采用加权L1范数计算平滑归一化后的同底三角形面积描述矩阵中的每列之间的距离，以得到匹配代价矩阵；S6、采用动态规划对匹配代价矩阵进行相似度匹配。
-
公开(公告)号：CN103295225B
公开(公告)日：2016-09-28
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：CN104933871A
公开(公告)日：2015-09-23
申请号：CN201510418663.X
申请日：2015-07-16
Applicant: 苏州大学张家港工业技术研究院
IPC: G08G1/042
Abstract: 本申请公开了一种交通车辆检测方法及系统，该方法包括：当在一段时间内检测到的所有目标地磁场实时信号与预先确定的背景地磁场值之间的差值均大于第一阈值时，确定出目标时间长度和目标极大值信号；根据目标极大值信号和背景地磁场值，确定出目标偏差因子；当目标偏差因子大于第二阈值时，进行相邻车道干扰条件的判断，如果不满足相邻车道干扰条件，则进行车辆通过条件的判断。本发明在目标偏差因子大于第二阈值的前提下，对上述目标偏差因子和目标时间长度是否满足相邻车道干扰条件进行了判断，以此降低了由于外界非车辆因素产生的干扰或者由于相邻车道上的车辆对目标车道的干扰而引起的车辆统计偏差，提高了统计结果准确性。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.027 seconds)
