-
公开(公告)号：CN110823576A
公开(公告)日：2020-02-21
申请号：CN201911129375.7
申请日：2019-11-18
Applicant: 苏州大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于生成对抗网络的机械异常检测方法。本发明一种基于生成对抗网络的机械异常检测方法，其特征在于，包括：正常信号预处理：对正常信号进行傅里叶变换，并将频谱归一化到第一预设范围；网络训练：利用多组预处理后的正常信号对生成对抗网络进行训练，使随机噪声通过网络后能够生成与预处理后的正常信号数据分布相似的伪造信号；待测信号预处理：对待测信号进行傅里叶变换，并将频谱归一化到第二预设范围。本发明的有益效果：本发明方法首先利用正常信号训练生成对抗网络，以学习正常信号的数据分布，所得伪造信号与正常信号的相似度较大。
-
公开(公告)号：CN108646079B
公开(公告)日：2019-06-28
申请号：CN201810713116.8
申请日：2018-06-29
Applicant: 苏州大学
IPC: G01R19/00
Abstract: 本发明公开了一种不同埋深管道共存下杂散电流非接触式检测方法，其包括：在水平方向沿同一直线上设置第一探测点、第二探测点和第三探测点，第一探测点和第二探测点沿第一待测管道的轴向对称设置；根据第一探测点和第二探测点处竖直方向的磁场强度差得到外界磁场在竖直方向的磁场强度；根据第一探测点或第二探测点处竖直方向的磁场强度公式得到第一待测管道中的杂散电流和第二待测管道中的杂散电流的第一关系式；根据第三探测点处竖直方向的磁场强度公式得到第一待测管道和第二待测管道中的杂散电流的第二关系式；根据第一关系式和第二关系式得到第一待测管道和第二待测管道中的杂散电流大小。可实现不同埋深管道中杂散电流的同时检测。
-
公开(公告)号：CN119606960A
公开(公告)日：2025-03-14
申请号：CN202411552052.X
申请日：2024-11-01
Applicant: 苏州大学附属第一医院
IPC: A61K31/43 , A61K31/546 , A61K45/06 , A61P31/14
Abstract: 本发明公开了舒巴坦在制备治疗新型冠状病毒感染药物中的应用，本发明提出通过抑制USP22的表达或活性，减少N蛋白的去泛素化水平，从而降低其稳定性，达到抑制病毒存活和传播的目的；本发明的填补了现有治疗手段在N蛋白特异性靶向调控方面的技术空白，为抗新冠病毒疗法提供了新思路。
-
公开(公告)号：CN116756483B
公开(公告)日：2024-06-21
申请号：CN202310508808.X
申请日：2023-05-08
Applicant: 苏州大学
IPC: G06F18/00 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种目标工况数据不可用下的机械故障诊断方法，包括将采集的机械振动时域信号进行截取，统一样本长度并进行幅值归一化，得到数据集，并划分为多源域数据集与目标域数据集；构建域间不变表示学习网络分支，提取域间不变特征；构建域内不变表示学习网络分支，提取域内不变特征；构建融合分类器，融合域间不变特征与域内不变特征后，预测其故障类别标签；构建包括域间不变表示学习网络分支、域内不变表示学习网络分支与融合分类器的故障诊断训练模型；输入多源域数据集中的样本，利用相互学策略、特征差异最大化策略、损失函数与优化算法进行模型训练，获取训练好的故障诊断训练模型；输入目标域数据集中的样本，获取样本的故障类别。
-
公开(公告)号：CN116337447A
公开(公告)日：2023-06-27
申请号：CN202211640727.7
申请日：2022-12-19
Applicant: 苏州大学
IPC: G01M13/045 , G01M17/10 , G06F18/213 , G06F18/24 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及一种非平稳工况下轨道车辆轮对轴承故障诊断方法包括根据多种传感器采集的轨道车辆轮对轴承在不同非平稳工况下的多种信号获取样本数据；多通道融合得多传感器信息融合样本并进行自适应加权，生成目标多传感器信息融合数据，特征提取器提取目标多传感器信息融合数据在多传感器视角下的特征信息，存储至相对应的记忆库中；利用原型对比学习进行领域适配学习，获取域适应损失；利用源域数据集中提取的特征信息与半监督学习算法训练域共享类别分类器；利用域适应损失与半监督分类损失通过反向传播与梯度下降算法更新网络参数，获得目标网络；将数据集中没有类别标签的待测试样本数据输入至目标网络中，获取待测试样本数据的故障类别。
-
Patent Agency Ranking
公开(公告)号：CN116296398A
公开(公告)日：2023-06-23
申请号：CN202310350682.8
申请日：2023-04-04
Applicant: 中铁工程装备集团有限公司 , 苏州大学
IPC: G01M13/045 , G01M13/028 , G01M13/021 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种机械故障定量测量方法，包括步骤（1）：采用不同的参数对机械振动信号进行时频变换，获得高维TFD；步骤（2）：对高维TFD进行流形学习，获得两维TFM特征；步骤（3）：根据两维TFM特征的幅值特点确定去噪阈值；步骤（4）：在TFM特征中根据去噪阈值区分故障信息和噪声；步骤（5）：根据噪声在时频面中的位置去除TFD中的噪声；步骤（6）：采用时频逆变换将去噪后的TFD重构为时域信号；步骤（7）：计算重构的时域信号的统计特征，实现机械故障的定量检测；本发明还公开了可读存储介质、处理器、计算机。本发明所公开的方法对不同机械振动信号的适应性好、重构信号的信噪比高、重构故障成分的幅值保真度高、机械故障的定量分析准确。
-
公开(公告)号：CN116089860A
公开(公告)日：2023-05-09
申请号：CN202310035287.0
申请日：2023-01-10
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/2131 , G06F18/2337 , G06N3/0464 , G06N3/048 , G06N3/084 , G01M13/045 , G01M13/028
Abstract: 本发明涉及深度学习技术领域，尤其是指一种多阶段分布校正引导的设备故障诊断方法、装置及计算机存储介质。本发明所述的设备故障诊断方法，将无标记的查询集和有标记的查询集进行幂变换，使其符合高斯分布，并将经过幂变换的多个查询集特征聚类为多个簇并对每个支持集特征进行分配，利用无标记查询集的高斯统计量来校正带有标记的支持集分布，分布修正可以使支持集分布更接近于查询集的真实分布，通过从校正后的分布中采样来增加更多的特征以扩大训练数据集来训练分类器，可以提高模型在小样本场景下的诊断性能，实现在小样本场景下的智能故障诊断，提高了故障诊断的准确性。
-
公开(公告)号：CN110555273B
公开(公告)日：2023-03-24
申请号：CN201910838978.8
申请日：2019-09-05
Applicant: 苏州大学
IPC: G06F30/17 , G06F30/27 , G06N3/088 , G06N7/01 , G06F119/04 , G06F111/08
Abstract: 本发明公开一种基于隐马尔科夫模型和迁移学习的轴承寿命预测方法，包括步骤(1)采集滚动轴承的全寿命原始信号；并提取包含时域、时频域和三角函数特征的特征集合；(2)将特征集合输入隐马尔科夫模型预测隐状态，获取故障发生时刻；(3)将来自所有源域和部分目标域的特征集合组成训练集输入构建的多层感知机模型，通过优化目标训练获得域不变特征和最优模型参数，将最优模型参数代入感知机模型获得神经网络寿命预测模型；(4)将剩余的目标域特征集输入神经网络寿命预测模型，根据输出值预测轴承的剩余寿命。本发明利用隐马尔科夫模型自动检测出故障发生时刻，之后采用基于多层感知器的迁移学习来解决不同工况条件造成的源域和目标域的分布差异。
-
公开(公告)号：CN113705724B
公开(公告)日：2022-08-30
申请号：CN202111069585.9
申请日：2021-09-13
Applicant: 苏州大学
Abstract: 本发明提出一种基于自适应的L‑BFGS算法的批量学习方法，用于深度神经网络的训练，每次训练时按一定规则选取一部分样本计算更新参数，以减少计算复杂度，同时解决一阶算法(如Mini‑Batch GD)训练时存在的收敛速度慢，易陷入局部最优点等缺点。本发明提出的算法解决了L‑BFGS算法中记忆尺度选择困难的问题。本发明提出的算法引入了多步拟牛顿理论对AL‑BFGS中衡量近似程度的计算公式进行了改进，使得到海塞矩阵逆的近似矩阵与海塞矩阵的逆矩阵之间近似程度更高。本发明提出的算法选取多个记忆尺度，计算出不同的方向进行叠加，得到最终的搜索方向，从而加强对最近曲率信息的使用，加快了收敛速度。
-
公开(公告)号：CN111458122B
公开(公告)日：2022-03-29
申请号：CN202010271309.X
申请日：2020-04-08
Applicant: 苏州大学
IPC: G01M13/00
Abstract: 本发明提供了一种匹配增强时频表示的旋转机械故障诊断方法，属于变转速旋转机械故障诊断技术领域，该方法包括：引入调频率来匹配频率变化的信号的时频特征，利用正切函数约束调频率选取范围；扩展现有的线性变换基函数e‑jωt，得到能同时增强多个时频分量的时频表示；计算对应不同时频图的峭度值，利用峭度最大准则自适应选择合适的参数，选出对应最大峭度的时频分布用于最后的时频表示；对经上一步得到的时频图上利用局部峰值搜索算法搜寻旋转机械的特征时频脊线；根据检测的时频脊线诊断旋转机械故障类型。本发明通过匹配信号中频率的变化特征来增强时频表示，可以得到更加精确的时频脊线估计，并最终完成旋转机械的故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.033 seconds)
