-
公开(公告)号：CN106002483B
公开(公告)日：2018-02-02
申请号：CN201610289610.7
申请日：2016-05-04
Applicant: 北京信息科技大学
IPC: B23Q17/09
Abstract: 本发明涉及一种智能刀具故障诊断方法，其步骤：在机床的CNC端与机床端之间设置PLC；由PLC获取机床加工过程中产生的若干刀具振动信号x(t)，并对采集到的各刀具振动信号x(t)进行处理并提取刀具特征；根据获得的刀具特征信息建立刀具振动信号和刀具磨损故障的对应关系，以完成刀具磨损故障的智能识别：对每个刀具振动信号进行训练得到隐马尔可夫模型λ；利用训练好的隐马尔可夫模型λ进行似然率的计算，将刀具振动信号的序列O输入到以训练好的各个隐马尔可夫模型中，得到各刀具振动信号在相应隐马尔可夫模型下的似然率，进而实现刀具状态识别。本发明结合机床本身特性和刀具加工过程振动信号特征，实现刀具磨损故障的自动检测，并能自动识别刀具磨损状态。
-
公开(公告)号：CN104156591B
公开(公告)日：2017-02-15
申请号：CN201410384078.8
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G06F19/00
Abstract: 本发明涉及一种马尔可夫故障趋势预测方法，其步骤：(1)用转子实验台模拟旋转机械设备正常运行状态，采集正常运行状态下振动信号；故障程度、中度故障程度和重度故障程度，采集三种故障下振动信号；(3)计算所有振动信号中每组振动信号的1.5维谱；(4)计算振动信号的1.5维谱频带能量均值；(5)获得频带能量区间，并标记状态序列和状态空间；(6)采集实际旋转机械设备的振动信号，进行步骤(3)～(4)得到各组振动信号的1.5维谱频带能量均值，并获得实际旋转机械设备的状态序列；(7)利用马尔可夫链对实际旋转机械设备的状态进行趋势预测。本发明能广泛在旋转机械故障趋势预测中应用。(2)用转子实验台模拟旋转机械设备故障的轻度
-
公开(公告)号：CN106370311A
公开(公告)日：2017-02-01
申请号：CN201610921802.5
申请日：2016-10-21
Applicant: 北京信息科技大学
IPC: G01J5/10
CPC classification number: G01J5/10
Abstract: 本发明涉及一种针对热分析仪的温度测量装置及测量方法，其步骤：在密闭加热炉内设置有吸收红外辐射能量的传感器阵列和图像传感器，传感器阵列将采集到的红外辐射信号传输至信号处理器，形成红外热像图信息并传输至计算机；在密闭加热炉内设置的图像传感器将采集到的加热炉内图像信息经采集卡传输至计算机；计算机将接收到的红外热像图信息和图像传感器采集的图像信息进行信息融合处理，获得新的温度数据，通过该新的温度数据显示出加热炉内的温度分布状况。本发明克服了接触式测温的缺点，能精确地计量整体的温度环境、扩大温度测量范围，可以广泛适用于测量密闭真空空间的整体温度场的温度测量，对于需精密测量整体环境温度的真空场合尤其适用。
-
公开(公告)号：CN106096154A
公开(公告)日：2016-11-09
申请号：CN201610431875.6
申请日：2016-06-17
Applicant: 北京信息科技大学
CPC classification number: G06F17/5086 , G06K9/0051 , G06K9/00536
Abstract: 本发明涉及一种小波包时域信号流形学习故障诊断方法，其步骤：对采集到的振动信号进行N层小波包分解，将振动信号分解为多层数据，生成2N个分量时域信号；对分解产生的各分量时域信号分别采用希尔伯特变换进行包络解调，获得代表故障状态的低频解调信号；对解调信号采用FIR低通滤波器消除高频噪声，并以低采样频率对各分量信号进行重采样保留低频信号；对重采样信号进行自相关计算并归一化为自相关系数，将处理后的各分层数据构造形成高维数据向量；采用t‑SNE流形学习算法对高维数据向量进行降维处理，形成L×2N维矩阵，最终形成2维或3维图形，对于机电设备不同的故障形式，其最终形成的流形结构不同，进而通过流形结构的形状判断设备的故障状态。
-
公开(公告)号：CN104866607A
公开(公告)日：2015-08-26
申请号：CN201510303392.3
申请日：2015-06-04
Applicant: 北京信息科技大学
IPC: G06F17/30
CPC classification number: G06F17/30289 , G06F17/30292
Abstract: 本发明涉及一种东巴文释读数据库建立方法，包括以下步骤：对现有东巴文化资料进行采集并建立图形模板库、音频模板库和视频模板库；根据图形模板库、音频模板库和视频模板库建立释读数据库，释读数据库包括词意数据库、句意数据库和事件数据库；将词意数据库、句意数据库、事件数据库进行融合，融合后与释读知识库连接，释读知识库根据规则对三种释读数据库进行释读内容的组合，并利用推理引擎促进释读知识库与三种释读数据库的融合，完成释读数据库的建立。本发明有效解决了东巴象形文字释读数字化的难题，可以广泛在文字释读领域中应用。
-
Patent Agency Ranking
公开(公告)号：CN104794470A
公开(公告)日：2015-07-22
申请号：CN201510220591.8
申请日：2015-05-04
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种面向东巴象形文的数字化获取与图像处理方法，其步骤：对东巴经典古籍经书进行数字图像采集；对采集到的数字图像进行去噪；对去噪后的数字图像信息进行笔划特征突出化处理，增强目标文字与背景的对比度；对特征突出化处理后的数字图像信息进行轮廓检测；对轮廓检测后的数字图像信息进行尺寸统一化处理，完成东巴象形文的数字化获取与图像处理。本发明能有效将模糊的纸质经书实现数字化提取，数据量压缩比高，去噪后得到的噪声与图像信号之间平滑弧线过渡，得到的图片清晰，便于文化的数字化传承与保护，可以广泛在文字图像处理领域中应用。
-
公开(公告)号：CN104155134A
公开(公告)日：2014-11-19
申请号：CN201410384189.9
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G01M99/00
Abstract: 本发明涉及一种高阶累积量特征提取方法适用性的判断方法，其包括以下步骤：(1)采用转子实验台模拟机械设备正常运行状态，采集转子实验台在正常运行状态下的振动信号；(2)利用转子实验台模拟机械设备在某一种故障下的轻度故障程度、中度故障程度和重度故障程度三种故障程度，并采集转子实验台在三种故障程度下的振动信号；(3)计算所有振动信号中每组振动信号1.5维谱；(4)判断1.5维谱特征提取方法对于机械设备故障劣化是否具有敏感性和趋势性，同时满足敏感性和趋势性的特征提取方法适用于该故障的机械设备故障趋势预测。本发明能准确的判断出1.5维谱特征提取方法适用于哪种故障类型，可以广泛在机械设备故障趋势预测中应用。
-
公开(公告)号：CN104155133A
公开(公告)日：2014-11-19
申请号：CN201410384028.X
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G01M99/00
Abstract: 本发明涉及一种机械故障程度的评价方法，其步骤：(1)利用转子实验台模拟机械设备正常运行状态，采用振动信号；(2)利用转子实验台模拟机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集振动信号；(3)对所有振动信号进行双谱操作获得双谱值矩阵；(4)将双谱值矩阵定义为劣化演化矩阵；计算正常运行状态下的劣化演化矩阵以及故障下的劣化演化矩阵；(5)计算劣化演化矩阵的特征值、均值、方差；(6)计算机械设备正常运行状态下的均值最大值、方差最大值；(7)根据以上获得劣化区间划分图；(8)采集实际设备的振动信号得到劣化均值、劣化方差，将其绘制在劣化区间划分图中，根据坐标点所处的区域判断设备运行状态。
-
公开(公告)号：CN102736562B
公开(公告)日：2014-06-04
申请号：CN201210240271.5
申请日：2012-07-10
Applicant: 北京信息科技大学
IPC: G05B19/406
Abstract: 本发明涉及一种面向数控机床故障诊断与故障预报的知识库构建方法，其步骤如下：步骤一、通过远程监测设备对高档车削加工中心实时在线监测，获得代表不同故障类型的多组振动数据Xj(t)，j为采集到的振动数据组数，n为正整数；步骤二、对实时在线监测的多组振动数据Xj(t)依次进行时态粗糙小波包分析处理，得到能量特征向量T′作为条件属性，以故障类型为决策属性，构建故障知识原始决策表；步骤三、对故障知识原始决策表进行基于差别矩阵的故障特征属性约简，生成规则，构成知识库；步骤四、采用规则的可信度作为评价指标对最终规则进行度量和评价。本发明能为故障诊断和故障预报提供有效的保障，本发明可以广泛应用于高档车削加工中心。
-
公开(公告)号：CN101901289B
公开(公告)日：2012-05-02
申请号：CN201010232139.0
申请日：2010-07-15
Applicant: 北京信息科技大学
IPC: G06F17/50
Abstract: 本发明提供一种图像生成方法，所述方法适用于包括案例库的图像生成系统，其中案例库存储有多个案例电路，每个电路的特征信息分别由包括至少一个信息实体的集合来描述；其中方法包括：根据用户对待生成电路的描述信息，生成待生成电路的第一信息实体集合；将该第一信息实体集合作为搜索关键字，从案例库中查找到具有第一信息实体集合中全部或部分信息实体的案例电路；根据预先设置的信息实体与每个案例电路的相关度，获取所述第一信息实体集合与查找到的案例电路的相关度；从所述查找到的案例电路中，选择相关度大于相关度阈值的案例电路作为目标电路；输出目标电路；通过接受用户对目标电路的修改，得到待生成电路。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.028 seconds)
