-
公开(公告)号:CN111695209B
公开(公告)日:2022-11-15
申请号:CN202010401773.6
申请日:2020-05-13
Applicant: 东南大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G01M13/00 , G01M13/045 , G06F119/04
Abstract: 本发明公开了元深度学习驱动的旋转机械小样本健康评估方法,具体步骤如下:首先对旋转机械预处理后的振动信号提取时频图及时、频域特征作为退化特征量;接着进一步通过无监督域自适应方法提取不同域间可迁移退化指标;在此基础上划分不同子任务并对卷积网络与循环网络进行基于梯度反向传递的参数求解,构建两种不同基础模型的元深度学习预测方法实现不同退化指标的小样本评估;最后聚合不同学习子任务实现跨任务间的模型参数求解、寻优,为推广、泛化至未知数据集提供元深度学习评估代理模型。该方法首次将元学习思想引入旋转机械健康评估、管理领域,极大削弱了工况差异以及样本稀少对传统机器学习模型泛化能力带来的冲击。
-
公开(公告)号:CN114623822A
公开(公告)日:2022-06-14
申请号:CN202210513020.3
申请日:2022-05-12
Applicant: 东南大学
Abstract: 本发明公开一种基于惯性约束的多波束水下地形组合匹配方法,属于地形辅助惯性导航领域。本发明的方法:首先,基于水深测量序列和惯性导航系统提供的初始位置,利用地形适配性参数和极大似然估计实现快速粗匹配;然后,引入惯性约束和距离权重来降低误匹配点的影响,并给出一种计算轨迹缩放因子的精确数值解法,通过对惯性指示航迹依次进行缩放变换、旋转变换和平移变换实现精匹配;最后,将两步式匹配得到的位置序列与惯性导航系统指示位置序列之差作为基于状态递推的时延误差校正卡尔曼滤波器的观测量以校正惯性导航系统的姿态、速度和位置,提高组合导航定位精度。
-
公开(公告)号:CN110849626B
公开(公告)日:2022-06-07
申请号:CN201911131867.X
申请日:2019-11-18
Applicant: 东南大学
IPC: G01M13/045 , G06N3/00
Abstract: 本发明公开了一种自适应稀疏压缩自编码的滚动轴承故障诊断系统,包括步骤如下:首先,对滚动轴承处进行振动信号的采集与处理,并将所采集的振动信号转化为频域信号;然后,将所转化的频谱信号分为训练样本集与测试样本集;接着将训练样本输入到所构建的自适应稀疏压缩自编码中进行特征学习,以挖掘潜藏在数据内部具有判别性的多层敏感特征;最后,将所提取的多层敏感特征输入布谷鸟搜索算法优化的无监督极限学习机进行分类器的训练;再将测试样本集输入到训练好的故障诊断系统,进行无监督的故障状态分离与诊断。本发明简单易行,可以摆脱传统深度学习故障诊断系统在分类阶段是有监督且训练效率低的缺陷。
-
公开(公告)号:CN111695209A
公开(公告)日:2020-09-22
申请号:CN202010401773.6
申请日:2020-05-13
Applicant: 东南大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G01M13/00 , G01M13/045 , G06F119/04
Abstract: 本发明公开了元深度学习驱动的旋转机械小样本健康评估方法,具体步骤如下:首先对旋转机械预处理后的振动信号提取时频图及时、频域特征作为退化特征量;接着进一步通过无监督域自适应方法提取不同域间可迁移退化指标;在此基础上划分不同子任务并对卷积网络与循环网络进行基于梯度反向传递的参数求解,构建两种不同基础模型的元深度学习预测方法实现不同退化指标的小样本评估;最后聚合不同学习子任务实现跨任务间的模型参数求解、寻优,为推广、泛化至未知数据集提供元深度学习评估代理模型。该方法首次将元学习思想引入旋转机械健康评估、管理领域,极大削弱了工况差异以及样本稀少对传统机器学习模型泛化能力带来的冲击。
-
公开(公告)号:CN112525187B
公开(公告)日:2022-08-12
申请号:CN202011343768.0
申请日:2020-11-25
Applicant: 东南大学
Abstract: 本发明公开一种基于角速率输入的高阶增强姿态方法,属于捷联惯性导航领域。该方法利用前一姿态更新周期和当前姿态更新周期内的角速率,首先通过对角速率进行拉格朗日插值并在当前姿态更新周期内积分来估计角增量,然后利用角速率二叉积的线性组合来估计不可交换性误差中的二阶旋转矢量项,接着利用角速率三叉积的线性组合来估计不可交换性误差中的三阶旋转矢量项,最后用求得的角增量、二阶旋转矢量项和三阶旋转矢量项的近似值来代替姿态更新周期内的旋转矢量,有效降低了刚体转动引起的不可交换性误差,进一步提高了姿态解算精度。
-
公开(公告)号:CN112857366B
公开(公告)日:2022-03-18
申请号:CN202110049738.7
申请日:2021-01-14
Applicant: 东南大学
IPC: G01C21/16
Abstract: 本发明公开一种基于压缩结构的光纤捷联惯导系统姿态解算方法,属于捷联惯性导航领域。该方法直接利用光纤陀螺输出的角速率信号进行矢量叉积,首先根据等效旋转矢量微分方程建立等效旋转矢量的五阶模型,然后利用角速率矢量的二叉积、三叉积和四叉积来补偿不可交换性误差中的圆锥校正项,最后用求得的二阶、三阶、四阶和五阶旋转矢量项的估计值来近似姿态更新周期内的圆锥校正项,使其具有8阶估计精度,有效降低了刚体转动引起的圆锥误差,进一步提高了高动态条件下的姿态解算精度,由于角速率叉积采用了压缩结构,故计算量较小可用于实际系统。
-
公开(公告)号:CN112525187A
公开(公告)日:2021-03-19
申请号:CN202011343768.0
申请日:2020-11-25
Applicant: 东南大学
Abstract: 本发明公开一种基于角速率输入的高阶增强姿态方法,属于捷联惯性导航领域。该方法利用前一姿态更新周期和当前姿态更新周期内的角速率,首先通过对角速率进行拉格朗日插值并在当前姿态更新周期内积分来估计角增量,然后利用角速率二叉积的线性组合来估计不可交换性误差中的二阶旋转矢量项,接着利用角速率三叉积的线性组合来估计不可交换性误差中的三阶旋转矢量项,最后用求得的角增量、二阶旋转矢量项和三阶旋转矢量项的近似值来代替姿态更新周期内的旋转矢量,有效降低了刚体转动引起的不可交换性误差,进一步提高了姿态解算精度。
-
公开(公告)号:CN110849626A
公开(公告)日:2020-02-28
申请号:CN201911131867.X
申请日:2019-11-18
Applicant: 东南大学
IPC: G01M13/045 , G06N3/00
Abstract: 本发明公开了一种自适应稀疏压缩自编码的滚动轴承故障诊断系统,包括步骤如下:首先,对滚动轴承处进行振动信号的采集与处理,并将所采集的振动信号转化为频域信号;然后,将所转化的频谱信号分为训练样本集与测试样本集;接着将训练样本输入到所构建的自适应稀疏压缩自编码中进行特征学习,以挖掘潜藏在数据内部具有判别性的多层敏感特征;最后,将所提取的多层敏感特征输入布谷鸟搜索算法优化的无监督极限学习机进行分类器的训练;再将测试样本集输入到训练好的故障诊断系统,进行无监督的故障状态分离与诊断。本发明简单易行,可以摆脱传统深度学习故障诊断系统在分类阶段是有监督且训练效率低的缺陷。
-
公开(公告)号:CN111291918B
公开(公告)日:2023-04-18
申请号:CN202010010925.X
申请日:2020-01-06
Applicant: 东南大学
IPC: G06Q10/04 , G06F18/2135 , G06F18/25
Abstract: 本发明公开了一种平稳子空间外源矢量自回归的旋转机械退化趋势预测方法,包括步骤如下:首先,对去噪后的多通道信号进行第一次平稳子空间分解提取振动平稳分量;接着提取时、频域退化特征量并通过特征融合得到高维退化指标向量组;再将时、频域下高维退化指标向量组进行第二次平稳子空间分解以及差分运算提取退化指标中的弱平稳成分作为旋转机械退化指标;将退化指标进行平稳性检验、脉冲响应分析并确定内源、外源变量以及模型阶数,通过最大似然估计确定矢量自回归模型参数,最后对旋转机械进行不同预测起始点下的退化趋势估计。本发明得到的退化趋势预测模型不仅在小样本学习下拥有良好泛化能力,而且计算迅速,可释性强。
-
公开(公告)号:CN114061591A
公开(公告)日:2022-02-18
申请号:CN202111368353.3
申请日:2021-11-18
Applicant: 东南大学
Abstract: 本发明公开一种基于滑动窗数据回溯的等值线匹配方法,属于地球物理场辅助惯性导航领域。对于基于地形/地磁/重力的地球物理场辅助惯性导航系统,当运载体进入到物理场适配区后,传统的迭代最近等值线方法受匹配点数量限制而容易陷入局部最优解,为了获得全局最优航行轨迹,本发明根据实时多任务操作系统的计算性能和辅助导航精度要求确定滑动窗口参数,利用历史物理场值匹配数据构建滑动窗数据回溯框架,采用矩阵的特征值特征向量分解方法获得指示航迹点集至最邻近参考点集的旋转变换矩阵,通过移动滑动窗并进行正向和逆向循环匹配以达到全局航迹约束,可提高匹配精度和鲁棒性。
-
-
-
-
-
-
-
-
-