-
公开(公告)号：CN105930576A
公开(公告)日：2016-09-07
申请号：CN201610242875.1
申请日：2016-04-19
Applicant: 西安交通大学
IPC: G06F17/50
Abstract: 本发明提供一种基于动力学模型的机床主轴轴承配合间隙设计方法，包括：1)将机床主轴结构简化为轴承‑转子系统；2)建立机床主轴的动力学模型；3)在动力学模型基础上，计算主轴轴承外圈与轴承座在不同配合间隙下，主轴转子径向位移振动响应；4)绘制主轴转子径向位移振动信号的极坐标图，用最小二乘圆法衡量主轴转子径向回转误差；5)根据主轴轴承外圈与轴承座的不同配合间隙与主轴转子径向回转误差的关系曲线，指导主轴轴承外圈与轴承座配合间隙的设计；本发明定量考虑了主轴轴承外圈与轴承座配合的间隙值对主轴转子径向回转精度的影响，为机床主轴的安装配合提供技术指导，对提高机床主轴回转精度提供了一种有效技术。
-
公开(公告)号：CN102749849B
公开(公告)日：2016-04-27
申请号：CN201210227696.2
申请日：2012-07-03
Applicant: 西安交通大学
IPC: G05B13/04
Abstract: 本发明公开一种壳体结构表面变频率特性的主动控制方法。首先构建频域神经网络辨识器（FNNI）对受控对象进行辨识，采用频域振动响应信号和作动参数作为输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；然后构建频域神经网络控制器，由FNNI权值、辨识信号与频域目标信号的误差以及作动参数组成FNNC的输入，采用全局频域误差与特征频点误差相结合的评判准则，由FNNC产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。整个过程集中于频域进行，节省了信号转换时间，构造的评判准则有效提高算法的可靠性、抗干扰性，适于振动和噪声的主动抑制以及结构动态频率特性主动控制。
-
公开(公告)号：CN103592220B
公开(公告)日：2015-05-20
申请号：CN201310574567.5
申请日：2013-11-14
Applicant: 西安交通大学
IPC: G01N19/08
Abstract: 本发明公开了一种鼓风机叶轮在位裂纹检测方法，包括以下步骤：(1)利用标准模态测试分别得到鼓风机叶轮的一阶与二阶模态振型数据序列；(2)计算分形维数与曲率振型，得到一、二阶分形维数裂纹指示曲线与一、二阶曲率振型裂纹指示曲线；(3)形成一、二阶振型分形维数-曲率振型互MVA散点图、分形维数自MVA散点图和曲率振型自MVA散点图；(4)统计各图中孤立点的出现频次，根据孤立点出现频次的统计结果，判定孤立点代表的测点处是否出现裂纹，其中，所述孤立点是指距原点距离最大的点。本发明实现了多种裂纹识别指标间的信息融合，克服了单一指标评价片面的缺点。
-
公开(公告)号：CN104462862A
公开(公告)日：2015-03-25
申请号：CN201510004924.3
申请日：2015-01-06
Applicant: 西安交通大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于三次B样条尺度函数的机械结构动载荷识别方法，包括以下步骤：1)采用锤击法测量动载荷施加的机械结构位置点与机械结构响应测点间的频响函数，通过快速傅里叶逆变换得到单位脉冲响应函数，进而解卷积获得传递矩阵；2)采用加速度传感器测量由结构动载荷产生的响应点的加速度信号；3)构造不同层数下三次B样条尺度函数的尺度函数矩阵、对偶矩阵以及系数矩阵，选择条件数最小的系数矩阵；4)利用加速度响应和系数矩阵，计算正则化层数下的三次B样条尺度函数的权系数；5)权系数乘以尺度函数矩阵获得正则化的待识别机械结构动载荷。
-
公开(公告)号：CN104390697A
公开(公告)日：2015-03-04
申请号：CN201410620569.8
申请日：2014-11-06
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于C0复杂度与相关系数的铣削颤振检测方法，通过振动加速度传感器获取铣削过程的状态信息；利用梳状滤波器对所获得的信号进行预处理，滤除周期性成分；再利用C0复杂度指标计算剩余信号的复杂度，反映颤振的非线性程度；然后计算原始信号与滤波后信号的相关系数，反映信号中颤振成分的比重，刻画加工过程中的颤振程度。该方法相比于传统的颤振检测方法，把反映颤振的特征信息和与颤振无关的特征信息分离开来，融合多种指标从本质上表征铣削颤振的物理特性，有效提高颤振检测的敏感性、精确性和可靠性，降低误诊率和漏诊率。
-
Patent Agency Ranking
公开(公告)号：CN103592220A
公开(公告)日：2014-02-19
申请号：CN201310574567.5
申请日：2013-11-14
Applicant: 西安交通大学
IPC: G01N19/08
Abstract: 本发明公开了一种鼓风机叶轮在位裂纹检测方法，包括以下步骤：(1)利用标准模态测试分别得到鼓风机叶轮的一阶与二阶模态振型数据序列；(2)计算分形维数与曲率振型，得到一、二阶分形维数裂纹指示曲线与一、二阶曲率振型裂纹指示曲线；(3)形成一、二阶振型分形维数-曲率振型互MVA散点图、分形维数自MVA散点图和曲率振型自MVA散点图；(4)统计各图中孤立点的出现频次，根据孤立点出现频次的统计结果，判定孤立点代表的测点处是否出现裂纹，其中，所述孤立点是指距原点距离最大的点。本发明实现了多种裂纹识别指标间的信息融合，克服了单一指标评价片面的缺点。
-
公开(公告)号：CN119202908B
公开(公告)日：2025-04-29
申请号：CN202411698633.4
申请日：2024-11-26
Applicant: 西安交通大学
IPC: G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/0455 , G06F18/22 , G06F18/214
Abstract: 一种基于可学习稀疏正则字典学习的机械异常检测方法与系统，方法中，采集机械正常运转时的振动信号，并进一步构造训练数据集；构建包含可学习稀疏正则项的字典学习模型，将输入信号表示为字典与稀疏编码的卷积形式；利用半二次分裂算法完成模型迭代计算公式的推导；为公式中的每个变量和权重设计相应的网络模块，模块的组合表示一次迭代计算，多个迭代计算过程叠加构成可学习稀疏正则网络；使用训练数据集训练网络，提取正常样本特征，并利用反向传播技术更新网络参数；将测试样本输入训练好的网络，计算重构数据与输入样本间的误差，根据误差值的大小判断机械是否为正常状态；对网络的重构输出进一步分析，完成网络的事后可解释说明。
-
公开(公告)号：CN119514339A
公开(公告)日：2025-02-25
申请号：CN202411562860.4
申请日：2024-11-05
Applicant: 西安交通大学
IPC: G06F30/27 , G06F30/15 , G06F18/15 , G06F18/213 , G06F18/214 , G06N20/10 , G06F119/10
Abstract: 本发明涉及壳体状态识别技术领域，公开了一种基于局部优化和支持向量机的壳体状态识别方法，其方法包括：采集水下航行器壳体的状态数据，状态数据包括应力数据、变形数据和声发射数据：对状态数据进行处理，并基于局部优化算法提取关键特征；根据提取的关键特征训练支持向量机模型，获得壳体状态的风险值；获取水下航行器的行驶数据，根据行驶数据对风险值进行调整，确定壳体的最终风险值；根据最终风险值生成水下航行器的行驶策略。通过对壳体状态数据进行分析处理，结合局部优化算法和支持向量机模型，提高了壳体状态识别的准确性和效率，实现了对水下航行器壳体状态的实时监测，便于及时发现潜在的安全问题。
-
公开(公告)号：CN118887605A
公开(公告)日：2024-11-01
申请号：CN202410906667.1
申请日：2024-07-08
Applicant: 西安交通大学
IPC: G06V20/52 , B29C65/00 , B33Y50/00 , B33Y50/02 , G06V10/764 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F17/16 , G06N3/084 , G06F17/18
Abstract: 一种基于域对抗网络的熔融沉积成型工艺参数监控方法，方法中，配置摄像头于用于熔融沉积成型的打印系统上以实时捕获熔融沉积成型打印过程中的图像，采集的打印系统在参数未知情况下的图像作为无标签的目标域数据；采集打印系统在参数已知的不同参数下的图像作为有标签的源域数据；构建域自适应卷积网络，以源域数据和部分目标域数据作为输入的原始图像数据对域自适应卷积网络进行训练，域自适应卷积网络对提取的特征进行处理，通过对抗性学习优化特征的域不变性以适应于多样化的生产环境，将另一部分目标域数据输入训练好的域自适应卷积网络，获得目标域数据的预测标签，根据域自适应卷积网络输出的特征调整熔融沉积成型工艺参数。
-
公开(公告)号：CN118650876A
公开(公告)日：2024-09-17
申请号：CN202410906661.4
申请日：2024-07-08
Applicant: 西安交通大学
IPC: B29C64/30 , B29C64/386 , B33Y40/00 , B33Y50/00
Abstract: 一种基于人工智能的熔融沉积成型实时监控装置和方法，装置中，控制板和服务器之间构建实时视频通路以截取所述图像信息的帧数据生成图像，当前时刻的四个打印参数被octoprint软件实时获取并由控制器传递至服务器，控制板将所述G代码传递到FDM 3D打印机以调整打印参数使摄像头采集用于人工智能模型单元训练的不同参数下图像数据集，图像数据集随机分为训练集和测试机，使用训练集数据训练人工智能模型，并在测试集上验证人工智能模型准确率，待预测图像数据作为输入通过训练好的人工智能模型判断当前打印参数的状态及类标签，python程序单元基于当前打印参数的状态生成G代码，生成的G代码通过控制板传递至打印机。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.023 seconds)
