-
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：CN110514444B
公开(公告)日：2021-04-06
申请号：CN201910504140.5
申请日：2019-06-12
Applicant: 东南大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于变分模态分解和相空间平行因子分析的滚动轴承微弱故障特征提取方法，包括以下步骤：利用振动传感器采集滚动轴承振动信号，得到微弱故障信号x(t)；设置惩罚因子α、分解层数K，对振动信号进行变分模态分解，得到相应本征模态函数分量；依据峭度准则，选取峭度最大的本征模态函数分量作为最优分量；对最优分量进行相空间平行因子分析，在高维相空间中得到至少一个独立分量；从第四步中得到的至少一个独立分量中选取峭度最大的独立分量进行包络谱分析，并得到故障特征频率；本发明有效提取故障特征频率，实现滚动轴承故障类型的准确识别。
-
公开(公告)号：CN101853627B
公开(公告)日：2011-12-14
申请号：CN201010177837.5
申请日：2010-05-19
Applicant: 东南大学
Abstract: 本发明公开了一种荫罩式等离子显示器驱动方法。该驱动方法通过由初始期子场和若干后续子场组成的特定结构的驱动波形实现，本发明方法中每帧只有一次点火期、至多两次寻址放电，可提高暗室对比度且降低寻址驱动能量功耗；本发明方法在后续子场利用窄脉冲寻址放电、寻址期结束后斜坡擦除的方案，在终止后续子场维持放电的同时可实现高速寻址，并通过子场维持发光的积累来显示灰度，从而消除动态伪轮廓现象；本发明还提出了扫描电压基准分离方案，可任意调节扫描电压基准的高度，从而改变寻址放电强度，以保证擦除的准确性；此外，本发明方法可以获得较好的列寻址电压动态范围，从而有效改善显示器的发光一致性和均匀性，有助于提高显示效果。
-
Patent Agency Ranking
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：CN111291918A
公开(公告)日：2020-06-16
申请号：CN202010010925.X
申请日：2020-01-06
Applicant: 东南大学
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：CN110514444A
公开(公告)日：2019-11-29
申请号：CN201910504140.5
申请日：2019-06-12
Applicant: 东南大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于变分模态分解和相空间平行因子分析的滚动轴承微弱故障特征提取方法，包括以下步骤：利用振动传感器采集滚动轴承振动信号，得到微弱故障信号x(t)；设置惩罚因子α、分解层数K，对振动信号进行变分模态分解，得到相应本征模态函数分量；依据峭度准则，选取峭度最大的本征模态函数分量作为最优分量；对最优分量进行相空间平行因子分析，在高维相空间中得到至少一个独立分量；从第四步中得到的至少一个独立分量中选取峭度最大的独立分量进行包络谱分析，并得到故障特征频率；本发明有效提取故障特征频率，实现滚动轴承故障类型的准确识别。
-
公开(公告)号：CN101853627A
公开(公告)日：2010-10-06
申请号：CN201010177837.5
申请日：2010-05-19
Applicant: 东南大学
Abstract: 本发明公开了一种荫罩式等离子显示器驱动方法。该驱动方法通过由初始期子场和若干后续子场组成的特定结构的驱动波形实现，本发明方法中每帧只有一次点火期、至多两次寻址放电，可提高暗室对比度且降低寻址驱动能量功耗；本发明方法在后续子场利用窄脉冲寻址放电、寻址期结束后斜坡擦除的方案，在终止后续子场维持放电的同时可实现高速寻址，并通过子场维持发光的积累来显示灰度，从而消除动态伪轮廓现象；本发明还提出了扫描电压基准分离方案，可任意调节扫描电压基准的高度，从而改变寻址放电强度，以保证擦除的准确性；此外，本发明方法可以获得较好的列寻址电压动态范围，从而有效改善显示器的发光一致性和均匀性，有助于提高显示效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
