-
公开(公告)号：CN118260631A
公开(公告)日：2024-06-28
申请号：CN202410350184.8
申请日：2024-03-26
Applicant: 苏州大学
IPC: G06F18/24 , G01M13/045 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种故障轴承中故障类型监测方法和系统，涉及轴承故障诊断技术领域，该方法包括采集各种故障类型的轴承振动信号，并构建故障诊断数据集，将不同阶段的故障任务划分初始任务和增量任务，并确定初始任务和增量任务的故障类别数；构建初始故障诊断模型；基于初始故障诊断模型，对增量任务进行训练，包括模型自适应阶段训练和模型融合阶段训练，通过蒸馏损失将新模型和旧模型进行整合，得到整合后的故障诊断模型；利用整合后的故障诊断模型对待检测的故障轴承振动信号进行故障诊断，得到待检测的故障轴承振动信号的故障类型；与传统的深度学习方法相比，本发明能缓解灾难性遗忘问题，更符合工业应用的实际场景。
-
公开(公告)号：CN118163834A
公开(公告)日：2024-06-11
申请号：CN202410226006.4
申请日：2024-02-29
Applicant: 苏州大学
Abstract: 本发明涉及一种轨道交通走行轨绝缘破损定位装置和方法，装置包括间隔预设距离的第一检测装置和第二检测装置，第一检测装置和第二检测装置之间存在粗定位的绝缘破损点，所述绝缘破损点位于轨道交通的第一走行轨条或第二走行轨条上，方法包括第一检测装置和第二检测装置对应的钢轨均不存在钢轨焊缝时的走行轨绝缘破损定位方法、以及第一检测装置或第二检测装置对应的钢轨存在钢轨焊缝时的走行轨绝缘破损定位方法。本发明的装置简单易用，能够对走行轨绝缘破损点进行准确定位。
-
公开(公告)号：CN118133118A
公开(公告)日：2024-06-04
申请号：CN202410255566.2
申请日：2024-03-06
Applicant: 苏州大学
IPC: G06F18/241 , G06F18/2415 , G06F18/2131 , G06F18/10 , G06N3/096 , G01M13/045
Abstract: 本发明涉及一种轴承故障类型检测方法和系统，方法包括：采集各种故障类型的轴承振动信号并构建故障诊断数据集，并划分为初始任务和增量任务，并确定初始任务和增量任务的轴承故障类别数；利用ResNet‑18网络根据初始任务的数据与对应的轴承故障类别提取故障特征，构建初始故障诊断模型；在增量任务的当前增量阶段中，除获取当前增量阶段对应轴承故障类别的数据外，还结合初始任务和之前增量阶段的所有轴承故障类别及其数据，得到新的故障诊断模型；在所述新的故障诊断模型的训练过程中不断进行优化；利用优化好的新的故障诊断模型对待检测的轴承振动信号进行故障诊断。本发明能够对轴承故障类型进行有效检测。
-
公开(公告)号：CN117622142A
公开(公告)日：2024-03-01
申请号：CN202311538770.7
申请日：2023-11-17
Applicant: 苏州大学
IPC: B60W30/18 , G01S7/48 , G01S17/931 , H04B10/116 , H04L67/12 , B60Q1/34
Abstract: 本发明涉及一种基于激光雷达与可见光通信的车辆驾驶意图识别方法，包括：通过激光雷达扫描检测范围内的车辆，生成点云数据；所述点云数据包括地面点云数据；所述检测范围为自车当前行驶车道与相邻车道；根据所述点云数据，对所述检测范围内的车辆进行检测，得到目标车辆；对所述目标车辆进行跟踪，生成目标车辆跟踪数据和目标车辆检测状态；判断是否获取到目标车辆基本信息，生成第一判断结果；根据所述第一判断结果，判断驾驶意图，生成第二判断结果；根据所述第二判断结果，生成预警；本发明可以在车辆即将换道并打开转向灯的情况下提前判断出车辆的换道意图，精准信息感知利于智能车辆科学准确的决策和安全控制，提高在途运行安全。
-
公开(公告)号：CN117010149A
公开(公告)日：2023-11-07
申请号：CN202310731266.2
申请日：2023-06-20
Applicant: 苏州大学
IPC: G06F30/20 , G06F30/17 , G06F119/14
Abstract: 本发明公开了一种考虑齿轮外部激励的高速深沟球轴承故障动力学建模方法，包括以下步骤：步骤1：首先使用一个考虑到相对滑移、柔性保持架和滚子独立自由度的动态高速深沟球轴承模型；步骤2：在高速轴承模型基础上，进一步考虑了齿轮外部激励的影响，建立考虑齿面点蚀等局部故障的直齿轮啮合副描述方法；步骤3：建立完备的齿轮箱动力学模型；在前两个步骤的基础上，引入齿轮啮合传动误差、驱动电机与制动器；步骤4：使用数值求解方法对微分方程组进行求解，得到系统的动态响应。本发明，可以更加全面的描述齿轮箱中各个部件的接触、润滑、故障情况等，得到更加准确的高速轴承故障特征，为故障诊断与特征提取提供更全面的理论依据。
-
Patent Agency Ranking
公开(公告)号：CN115270956B
公开(公告)日：2023-10-27
申请号：CN202210879607.6
申请日：2022-07-25
Applicant: 苏州大学
IPC: G06F18/2433 , G06F18/2413 , G06F18/214 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/082 , G01M13/04
Abstract: 本发明涉及一种基于持续学习的跨设备增量轴承故障诊断方法，包括构建跨设备增量轴承健康状态数据集，按设备划分不同阶段的诊断任务；使用第一个设备的诊断任务数据构建初始诊断模型，筛选典例；基于初始诊断模型引入神经元级微调和分类器得到诊断模型；将典例与下一个设备的轴承故障诊断任务数据共同训练诊断模型，使用损失函数缩小当前阶段的诊断模型与上一阶段的诊断模型在上一阶段诊断任务数据上表现的差异，筛选典例；重复步骤S104，使用当前的诊断模型诊断所有已学习任务的轴承故障，得到轴承故障诊断结果。本发明采用持续学习方法构建一个不断积累和复用知识的诊断模型，能解决灾难性遗忘问题，以适应跨设备增量轴承故障诊断的需求。
-
公开(公告)号：CN115659224B
公开(公告)日：2023-08-25
申请号：CN202211406175.3
申请日：2022-11-10
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/214 , G06F18/15 , G06N3/047
Abstract: 本发明实施例提供了一种概率引导的域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将所述源域样本图片和目标域样本图片输入提前搭建好的神经网络模型进行训练；构建第一阶段目标函数，实现鉴别器和特征生成器参数的更新；构建第二阶段目标函数，实现分类器参数的更新，神经网络模型训练完成；将目标域数据集输入训练好的神经网络模型，实现轴承故障诊断。本发明方法解决了轴承故障诊断网络特征分类能力不足的问题，轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。
-
公开(公告)号：CN115683629B
公开(公告)日：2023-06-27
申请号：CN202211398933.1
申请日：2022-11-09
Applicant: 苏州大学
IPC: G01M13/045 , G06F17/15
Abstract: 本发明涉及一种轴承故障检测方法包括：获取测试轴承的振动加速度时域信号，经短时傅里叶变换生成时频域系数矩阵；利用广义极小极大凹罚函数与截断核范数构建稀疏低秩优化模型的凸性目标函数；利用交替方向乘子法将凸性目标函数拆分成关于广义极小极大凹罚函数的第一子目标函数、关于截断核范数的第二子目标函数与辅助迭代函数；利用前向后向分裂算法求解第一子目标函数得关于Xk+1的迭代公式组；利用奇异值阈值算法求解第二目标子函数得关于Zk+1的迭代公式；初始化参数，将时频域系数矩阵输入辅助迭代函数中，迭代预设次数获取时频域稀疏低秩矩阵；对时频域稀疏低秩矩阵进行短时傅里叶逆变换得到重构时域信号后，进行平方包络谱分析，得到故障特征频率。
-
公开(公告)号：CN116108346A
公开(公告)日：2023-05-12
申请号：CN202310126044.8
申请日：2023-02-17
Applicant: 苏州大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于生成特征重放的轴承增量故障诊断终身学习方法，包括：将轴承状态数据集划分为多个不同诊断阶段；学习初始阶段的灰度图片样本，训练第一特征提取器和第一分类器；使用第一特征提取器提取的特征，利用对抗生成网络交替训练，得到第一特征生成器；构建原始故障诊断模型，设置其全连接层神经元数量为初始阶段故障类型数量；在增量学习阶段，利用n‑1阶段的原始故障诊断模型，训练更新n阶段的故障诊断模型，利用特征蒸馏损失函数缩小第n特征提取器与第n‑1特征提取器提取的特征的差异，利用重放对齐损失约束第n特征生成器与第n‑1特征生成器生成的特征相似，更新全连接层神经元数量为初始阶段至第n阶段故障类型数量总和，得到最终故障诊断模型。
-
公开(公告)号：CN116007937A
公开(公告)日：2023-04-25
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.026 seconds)
