-
公开(公告)号：CN119442026A
公开(公告)日：2025-02-14
申请号：CN202411499202.5
申请日：2024-10-25
Applicant: 兰州理工大学
Inventor： 赵小强 , 安贵财 , 安学军 , 梁浩鹏 , 刘凯 , 张亚洲 , 柴靖轩 , 郭海科 , 姚青磊 , 李森 , 徐珂 , 柳勇勇 , 史旭斌 , 杨健智 , 齐祥德 , 于光博 , 毛高磊 , 路帅 , 郭婷婷 , 周晓琴 , 蔡世博
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多通道自适应融合的滚动轴承故障诊断方法及系统，方法包括：获取一维振动加速度信号并进行归一化，将其转换为二维灰度图；将二维灰度图输入至卷积神经网络模型中进行处理，具体包括：多尺度特征提取模块提取二维灰度图的特征信息并进行自适应加权多通道信息的重要性权重，输出第一多尺度特征图；双注意力空洞卷积模块提取第一多尺度特征图的空间位置和通道信息，输出第二特征图；残差密集模块通过残差连接以及密集连接对第二特征图进行深度特征提取，输出滚动轴承故障诊断分类结果。本发明能够解决滚动轴承由于噪声干扰强和负载变化大导致模型故障诊断效果低和泛化能力差的问题。
-
公开(公告)号：CN119293585A
公开(公告)日：2025-01-10
申请号：CN202411354938.3
申请日：2024-09-27
Applicant: 兰州理工大学
Inventor： 赵小强 , 李森 , 梁浩鹏 , 张亚洲 , 刘晶晶 , 刘凯 , 柴靖轩 , 强睿儒 , 郭海科 , 安贵财 , 姚青磊 , 李玉霞 , 徐珂 , 杨健智 , 史旭斌 , 于光博 , 齐祥德 , 毛高磊 , 郭婷婷 , 孙雅莉
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于IDSP和反向DSC级联残差的轴承故障诊断方法，包括：获取轴承操作台来自不同位置传感器的一维振动信号，进行预处理，划分为训练和验证样本集；利用训练样本集对故障诊断模型进行训练，利用验证样本集进行正确率验证，获得最优模型；故障诊断模型由包括：IDSP浅层特征提取模块、Inception深层特征提取模块和反向DSC级联残差网络模块；将需要诊断故障的轴承一维振动信号预处理后，输入最优模型，获得对应的故障诊断结果。该方法通过多尺度特征提取、反向DSC级联残差网络的优化，使轴承故障诊断模型具备更高的特征提取能力、较强的抗噪性和泛化能力，确保在变工况和变噪声条件下也能保持高诊断准确率；同时还具备较少的参数量和较快的诊断速度。
-
公开(公告)号：CN118151627B
公开(公告)日：2024-11-29
申请号：CN202410220859.7
申请日：2024-02-28
Applicant: 兰州理工大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于自适应随机配置网络的间歇过程故障预测方法，利用慢特征分析提取间歇过程动态特征，建立模型更新指标，实现模型失配判断。利用邻域保持嵌入提取过程数据特征，构建过程监控时间序列，利用优化后的随机配置网络完成过程监控时间序列的趋势预测；当监测模型不匹配且需要更新时，使用在线数据的正常时域样本创建更新的数据集，并使用神经网络增量策略更新模型以适应动态时变特性，提高了故障预测的性能。实时监测复杂间歇过程的故障状态，准确预测故障趋势。
-
公开(公告)号：CN115167193B
公开(公告)日：2024-11-26
申请号：CN202210560894.4
申请日：2022-05-23
Applicant: 兰州理工大学
IPC: G05B19/042
Abstract: 本发明提供了一种基于正则化邻域保持嵌入算法的顶吹炉异常状态监控方法，主要包括如下步骤：(1)采集顶吹炉正常工作状态下多个时段的关键变量参数信息，构成三维训练数据集X(I×J×K)；(2)将三维数据集X(I×J×K)展开为二维数据集X(I×KJ)并标准化，再重新排列成X(KI×J)；(3)通过交叉熵优化的慢特征分析方法正则化邻域保持嵌入算法，建立ORNPE算法模型；(4)计算基于ORNPE算法模型的SPE和T2统计量，并确定对应的统计控制限；(5)采集顶吹炉实时工作状态下的数据并进行预处理，根据步骤(4)方法计算实时采集数据集基于ORNPE算法模型的SPE和T2统计量，若其中一项或两项超出统计控制限则说明顶吹炉工作状态异常，并进行异常状态报警。
-
公开(公告)号：CN116632834A
公开(公告)日：2023-08-22
申请号：CN202310682030.4
申请日：2023-06-09
Applicant: 兰州理工大学
Inventor： 赵小强 , 顾鹏 , 强睿儒 , 张亚洲 , 脱奔奔 , 张秀敏 , 徐蓉蓉 , 王彤 , 刘凯 , 王泽 , 姚青磊 , 乔慧 , 李希尧 , 柴靖轩 , 程伟 , 柳勇勇 , 宋昭漾 , 梁浩鹏 , 牟淼 , 张妍
IPC: H02J3/00 , G06N3/0464 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种基于SSA‑BiGRU‑Attention的短期电力负荷预测方法，属于电力系统短期负荷预测技术领域，包括如下步骤：S1：采集电力负荷的相关数据，对其样本数据进行数据清洗和归一化处理；S2：构建BiGRU‑Attention短期电力负荷预测模型，将处理后的数据输入到BiGRU网络，充分提取负荷数据的时空特性；本发明解决了现有选取超参数预测精度不高、耗费时间长的问题，本发明采用BiGRU神经网络建立双向时间序列特征，结合Attention对BiGRU网络隐藏层的不同状态分配不同的权重，结果表明引入Attention对输入信息进行权重分配后，对比同权重输入信息预测准确度有提升。
-
Patent Agency Ranking
-
公开(公告)号：CN111949012A
公开(公告)日：2020-11-17
申请号：CN202010943683.X
申请日：2020-09-09
Applicant: 兰州理工大学
IPC: G05B23/02
Abstract: 本发明提供了一种基于双权重多邻域保持嵌入算法的间歇过程故障检测方法，包括如下步骤：(1)采集多个批次正常工况下的间歇过程数据，构成三维训练数据X；(2)将采集到的三维训练数据X展开为二维数据并进行标准化处理；(3)建立双权重多邻域保持嵌入模型，求取映射变换矩阵A，根据Y＝ATX，得到降维数据矩阵Y；(4)建立正常数据下霍特林统计模型T2和平方预测误差统计模型SPE的统计量，并求取其控制限；(5)采集在线的间歇过程数据，构成测试数据Xtest并对其展开并标准化处理；(6)将测试数据通过映射变换矩阵A进行投影，得到其降维数据矩阵Ytest；(7)求取测试数据的霍特林统计模型统计量T2和平方预测误差统计模型统计量SPE，判断有无故障发生。
-
公开(公告)号：CN119180213A
公开(公告)日：2024-12-24
申请号：CN202411349167.9
申请日：2024-09-26
Applicant: 兰州理工大学
IPC: G06F30/27 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08 , G01M13/045 , G06F119/04
Abstract: 本发明提供一种基于双流时间卷积网络的滚动轴承剩余寿命预测方法及系统，方法包括以下步骤：采集轴承生命周期内的振动信号；对振动信号进行小波分解，获得低频信号以及高频信号；基于双流时间卷积网络分别对低频信号以及高频信号进行退化特征提取，并将提取的退化特征进行融合，获得融合退化特征；基于均方误差损失以及融合退化特征，进行基于双流时间卷积网络的滚动轴承剩余寿命预测，获得滚动轴承剩余寿命预测结果。本发明能够充分利用轴承退化历史数据，并能够捕获轴承健康状态与退化状态之间的长距离相关性，从而提升RUL预测的准确性。
-
公开(公告)号：CN117951604B
公开(公告)日：2024-09-06
申请号：CN202410208930.X
申请日：2024-02-26
Applicant: 兰州理工大学
IPC: G06F18/2415 , G06N3/084 , G06N3/0464 , G06V10/764
Abstract: 本发明公开了一种滚动轴承故障高效诊断方法及系统，属于转子故障诊断技术领域；该方法包括：将滚动轴承的一维振动信号转换为灰度图，从而减少噪声信号对原始信号的干扰；构建坐标Ghostbottleneck和自适应权重模块，利用Ghost模块加速模型速度，减少参数量，加入坐标注意力对通道间的关系进行建模，同时利用精确的位置信息捕获远程依赖性，以此来改良图像分类的性能；通过自适应权重模块在避免花费大量计算资源的同时充分利用了相似特征图，使得模型更加全面理解输入信号。本发明可以达到较高的准确率，模型具备良好抗噪能力，同时还具备较少的参数量以及较快的诊断速度，能够高效快速准确的进行滚动轴承故障诊断。
-
公开(公告)号：CN118394039A
公开(公告)日：2024-07-26
申请号：CN202410478770.0
申请日：2024-04-20
Applicant: 兰州理工大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于RGTW‑MODWNPE模型的不等长间歇过程故障检测方法，通过松弛贪婪时间规整方法进行批次数据的同步和规整，基于规整后的批次数据，求取同时考虑重构误差和邻域距离的权值。然后，利用正交基函数来保持数据的度量结构，既不扭曲度量结构，又对数据维数不敏感。最后，利用RGTW‑MODWNPE建立故障监测模型，在故障发生时进行故障检测，不仅能够规整和同步不等长批次，还可以充分提取过程的局部流形特征用于过程监控。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.025 seconds)
