公开(公告)号：CN115753534A

公开(公告)日：2023-03-07

申请号：CN202211541242.2

申请日：2022-12-02

Applicant: 中国计量大学

Inventor： 陆超 ,  裘岩 ,  包福兵

IPC: G01N15/04 ,  G09B23/28

Abstract: 本发明公开了一种具有多级可调节呼吸道结构的气溶胶颗粒沉积实验系统。该系统主要包括：雾化气溶胶发生器、高效过滤器、三通接口、气控单向阀、空气过滤干燥器、粒度仪、模拟肺部多级呼吸道的可调节气溶胶采集装置、软管、喉箍、钕铁硼强磁铁、呼吸泵、计算机控制系统。其中，气溶胶采集装置分为上下两个腔室，腔室之间由带有8个管道通气入口的PMMA板隔开。上腔室顶部连接具有多级呼吸道结构的模型；下腔室通过8个管道通气入与呼吸道模型连接，同时与呼吸泵连接，以控制呼吸道模型内的流体流速。本发明可以提供不同粒径、不同呼吸方式、不同级数呼吸道自由组合、不同呼吸道旋转角度条件下再现呼吸道分岔区域的气溶胶颗粒体外沉积实验系统。

公开(公告)号：CN118964959B

公开(公告)日：2025-02-11

申请号：CN202411433855.3

申请日：2024-10-15

Applicant: 中国计量大学

Inventor： 陆佳炜 ,  陈晗远 ,  王琪冰 ,  肖刚 ,  陈坚伟 ,  何雨辰 ,  陆超

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/08 ,  B66B5/00

Abstract: 一种基于短序列时间卷积网络的电梯故障诊断方法，属于电梯故障诊断、振动故障诊断技术领域，首先，采用一维卷积方法实现电梯的原始时域振动信号降维；然后，利用时间卷积神经网络结合神经常微分方程实现短序列的局部故障特征提取；最后，引入自注意力机制，以提取更丰富的全局故障相关特征信息，进行电梯故障诊断。本发明提供一种有效提升故障检测的准确性和可靠性的基于短序列时间卷积网络的电梯故障诊断方法。

公开(公告)号：CN118964959A

公开(公告)日：2024-11-15

申请号：CN202411433855.3

申请日：2024-10-15

Applicant: 中国计量大学

Inventor： 陆佳炜 ,  陈晗远 ,  王琪冰 ,  肖刚 ,  陈坚伟 ,  何雨辰 ,  陆超

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/08 ,  B66B5/00

Abstract: 一种基于短序列时间卷积网络的电梯故障诊断方法，属于电梯故障诊断、振动故障诊断技术领域，首先，采用一维卷积方法实现电梯的原始时域振动信号降维；然后，利用时间卷积神经网络结合神经常微分方程实现短序列的局部故障特征提取；最后，引入自注意力机制，以提取更丰富的全局故障相关特征信息，进行电梯故障诊断。本发明提供一种有效提升故障检测的准确性和可靠性的基于短序列时间卷积网络的电梯故障诊断方法。

公开(公告)号：CN118470458A

公开(公告)日：2024-08-09

申请号：CN202410548217.X

申请日：2024-05-06

Applicant: 中国计量大学

Inventor： 陆佳炜 ,  张伟超 ,  王琪冰 ,  肖刚 ,  陆超 ,  李仁 ,  何雨辰 ,  陈坚伟

IPC: G06V10/774 ,  G06V10/82 ,  G06F18/214 ,  G06F18/10 ,  G06F18/2131 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06F123/02

Abstract: 一种基于改进的深度卷积生成对抗网络电梯振动信号数据增强方法，包括以下步骤：第一步：采集电梯轿厢运行加速度的原始振动信号；第二步：获取有效的振动信号；第三步：优化DCGAN网络模型，将谱归一化和时空注意力机制模块引入鉴别器和生成器，构成改进的数据增强整体模型；第四步：将二维时频特征图像输入数据增强整体模型，得到生成的新特征图像。本发明丰富了特征信息，在一定程度上降低“模式坍塌”的概率；根据少量数据集的特征来生成更多的新数据集已达到数据增强的目的，可以很好地学习电梯高分辨率图像的像素分布。

公开(公告)号：CN118470392A

公开(公告)日：2024-08-09

申请号：CN202410548211.2

申请日：2024-05-06

Applicant: 中国计量大学

Inventor： 陆佳炜 ,  张伟超 ,  王琪冰 ,  肖刚 ,  陆超 ,  李仁 ,  何雨辰 ,  陈晗远

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/52 ,  G06V10/80 ,  G06F18/2415 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/047 ,  G06N3/048 ,  G06N3/094 ,  B66B5/00 ,  G06F123/02

Abstract: 一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，包括以下步骤：第一步：采集电梯轿厢运行加速度的原始振动信号；第二步：获取有效的振动信号；第三步：优化DCGAN网络模型，将谱归一化和时空注意力机制模块引入鉴别器和生成器，构成改进的数据增强整体模型；第四步：将二维时频特征图像输入数据增强整体模型，得到生成的新特征图像；第五步：构建多尺度卷积胶囊网络；第六步：构建改进的通道注意力机制CBAM网络模块，将其融合到多尺度卷积胶囊网络中；第七步：将增强后的特征图送入融合注意力机制的多尺度卷积胶囊网络中进行电梯故障诊断。本发明丰富了特征信息，提高了重要特征的响应和学习能力。