-
Patent Agency Ranking
公开(公告)号：CN111010720B
公开(公告)日：2023-04-07
申请号：CN201911308928.5
申请日：2019-12-18
Applicant: 中国民航大学
Abstract: 一种停机坪不连通网络的机会路由传输控制方法。其包括初始化数据包属性和节点自身属性；从边界子域内的N个节点中选取首传节点，确定节点传输优先级；以首传节点为三角形的一个顶点，在边界子域内的剩余节点中选择其余两个节点并与上述顶点组成三角形，并且使三角形的面积最小，从而确定出最优拓扑；在数据包传输过程中遇到新节点时，判断是否需要进行拓扑更新；数据包到达数据包传输的终止位置并发出接收指令等步骤。能对节点进行高效准确筛选，使数据包的传输始终以最优拓扑的方式进行，由此来提高网络的传输性能。同时能够保证传输的可靠性，提高了投递率，且在任意时刻网络中仅存在数据包的三个副本，从一定意义上可降低网络的负载率和开销。
-
公开(公告)号：CN111238815A
公开(公告)日：2020-06-05
申请号：CN202010118644.6
申请日：2020-02-26
Applicant: 中国民航大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 一种样本不平衡下基于数据增强的轴承故障识别方法。其包括原始振动数据，获得原始振动不平衡数据集；构建混合原始振动数据的生成数据样本；分别对上述某类型的原始振动不平衡数据样本和相应的混合原始振动数据的生成数据样本中的数据进行希尔伯特变换而得到包络谱信号，将所有包络谱信号随机分成训练集和测试集，将训练集输入到卷积神经网络中进行训练；将训练好的参数用于测试集，输出故障诊断结果等步骤。本发明效果：提高了轴承故障诊断的准确性和工作效率，实现智能化故障识别；通过生成式对抗网络对轴承故障数据进行数据增强，很好地扩展了故障数据集；对于滚动轴承故障样本不平衡下的故障识别具有明显优势。
-
公开(公告)号：CN111010720A
公开(公告)日：2020-04-14
申请号：CN201911308928.5
申请日：2019-12-18
Applicant: 中国民航大学
Abstract: 一种停机坪不连通网络的机会路由传输控制方法。其包括初始化数据包属性和节点自身属性；从边界子域内的N个节点中选取首传节点，确定节点传输优先级；以首传节点为三角形的一个顶点，在边界子域内的剩余节点中选择其余两个节点并与上述顶点组成三角形，并且使三角形的面积最小，从而确定出最优拓扑；在数据包传输过程中遇到新节点时，判断是否需要进行拓扑更新；数据包到达数据包传输的终止位置并发出接收指令等步骤。能对节点进行高效准确筛选，使数据包的传输始终以最优拓扑的方式进行，由此来提高网络的传输性能。同时能够保证传输的可靠性，提高了投递率，且在任意时刻网络中仅存在数据包的三个副本，从一定意义上可降低网络的负载率和开销。
-
公开(公告)号：CN110987434A
公开(公告)日：2020-04-10
申请号：CN201911308857.9
申请日：2019-12-18
Applicant: 中国民航大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 一种基于去噪技术的滚动轴承早期故障诊断方法。其包括采集实测含有噪声的滚动轴承振动信号；对滚动轴承振动信号进行滤波处理，得到滤波后的频谱信号；从滤波处理后的频谱信号中提取梅尔倒谱系数和差分谱系数作为混合特征向量，经特征排列处理后得到二维特征矩阵而作为测试样本；构建卷积神经网络，利用从未带噪声的滚动轴承振动信号中提取的MFCC组合参数作为训练样本来训练卷积神经网络，最后将测试样本输入到训练好的卷积神经网络中，对滚动轴承故障信号进行诊断等步骤。本发明对于滚动轴承早期微弱故障的诊断具有明显优势，突出了对故障类别判断起决定性作用的微弱故障冲击信号，降低了环境噪声对故障检测的影响，具有重要意义。
-
公开(公告)号：CN111238815B
公开(公告)日：2022-05-06
申请号：CN202010118644.6
申请日：2020-02-26
Applicant: 中国民航大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 一种样本不平衡下基于数据增强的轴承故障识别方法。其包括原始振动数据，获得原始振动不平衡数据集；构建混合原始振动数据的生成数据样本；分别对上述某类型的原始振动不平衡数据样本和相应的混合原始振动数据的生成数据样本中的数据进行希尔伯特变换而得到包络谱信号，将所有包络谱信号随机分成训练集和测试集，将训练集输入到卷积神经网络中进行训练；将训练好的参数用于测试集，输出故障诊断结果等步骤。本发明效果：提高了轴承故障诊断的准确性和工作效率，实现智能化故障识别；通过生成式对抗网络对轴承故障数据进行数据增强，很好地扩展了故障数据集；对于滚动轴承故障样本不平衡下的故障识别具有明显优势。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
