-
公开(公告)号：CN109673297B
公开(公告)日：2024-02-27
申请号：CN201910013367.X
申请日：2019-01-07
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种修剪机器人，其包括底盘，位于底盘底部设置有车轮驱动装置，底盘顶部设置有液压转向盘和机箱壳；液压转向盘上设置有液压伸缩台，液压伸缩台通过液压输送管分别与机箱壳顶部的液压油进油口和出油口连接；位于机箱壳内设置有液压缸，液压转向盘与液压缸连接，并在液压缸顶部设置有液压泵，液压泵与安装在机箱壳内底部的控制器连接，由控制器控制其动作；位于液压伸缩台顶部设置有垂直支撑杆，垂直支撑杆端部与伺服电机的外壳活动连接，伺服电机的输出端与可伸缩的刀具支撑杆一端连接，伺服电机与控制器连接；刀具支撑杆另一端与刀具装置连接；液压伸缩台顶部与液压伸缩杆一端连接，液压伸缩杆另一端与刀具支撑杆下端面连接。
-
公开(公告)号：CN117435987A
公开(公告)日：2024-01-23
申请号：CN202311292079.5
申请日：2023-10-08
Applicant: 北京信息科技大学
IPC: G06F18/2415 , G06F18/213 , G06N3/0464 , G06N3/06
Abstract: 本发明涉及一种旋转机械变工况故障诊断方法、系统、介质及计算设备，其包括：将旋转机械变工况下的一维原始振动信号输入基于联合注意力多尺度卷积神经网络的多尺度特征提取层，提取出不同尺度的故障特征；将不同尺度的故障特征输入特征提取层，进行不同形式的特征提取；将不同形式的特征进行拼接后，输入输出层进行故障识别，完成旋转机械变工况故障诊断。本发明能够有效在变转速、变噪声的运行环境下识别故障特征，并且在不同旋转部件、不同故障形式都有较高诊断准确性，具有较强的泛化能力。同时，也能保证良好的故障诊断及时性。
-
公开(公告)号：CN112668125B
公开(公告)日：2023-07-04
申请号：CN202110010711.7
申请日：2021-01-06
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种提高非完整小圆弧评价精度的方法、系统、介质及设备，其包括：确定预先建立的三次指数平滑预测模型的第一个最佳平滑系数；进一步确定其余最佳平滑系数；将最佳平滑系数拟合出平滑系数的变化趋势曲线，根据拟合公式获取数据点集外预测期数的平滑系数；利用数据点集外预测期数的平滑系数计算预测实测数据点集外的数据点；判断是否达到预先设定的预测期数，达到则将数据点集逆序；将原实测数据点集与预测数据点集合并形成新数据点集，将该新数据点集利用评价方法进行曲率参数评价，提高了非完整小圆弧评价精度。本发明能提高曲率半径参数评价的准确性，有效提高了非完整小圆弧曲率半径参数评价的稳定性和准确性。
-
公开(公告)号：CN113920356A
公开(公告)日：2022-01-11
申请号：CN202111096164.5
申请日：2021-09-15
Applicant: 北京信息科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/84 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种改进胶囊网络的风电机组行星齿轮箱故障诊断方法及系统，其包括：采集风电机组行星齿轮箱四种状态的振动信号作为四组原始振动信号；所述四种状态为正常运行状态、齿面磨损、行星轮断齿及滚动体轴承缺失；对每一组所述原始振动信号都进行点数分割，构建样本数据集；利用所述样本数据集对改进胶囊神经网络模型进行训练，并由训练后的所述改进胶囊神经网络对恶劣工况条件下风电机组行星齿轮箱进行故障诊断。本发明可以构建出特征提取与故障诊断为一体的智能诊断网络，节省了大量的人工操作，在恶劣工况条件下仍然具有诊断精度高，鲁棒性强的特点。本发明可以广泛在机械故障诊断技术领域中应用。
-
公开(公告)号：CN112284719A
公开(公告)日：2021-01-29
申请号：CN202010976229.4
申请日：2020-09-16
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028 , G06F17/14 , G06F17/15
Abstract: 本发明涉及一种行星齿轮箱齿面磨损故障诊断方法及系统，其包括步骤：采用FSWT对原始振动信号进行频带选取，并进行信号重构；将重构信号进行Hilbert变换，得到低频调制信号；采用MOMEDA算法提取低频调制信号中的周期性故障脉冲，得到故障信号；对故障信号进行平方包络谱分析，突出故障信号中的瞬态能量成分，识别聚集在低频段的故障特征频率；对故障信号进行HEI量化处理，实现对行星齿轮箱齿面磨损的故障诊断。本发明能实现直接对行星齿轮箱故障特征频率的准确提取，进而对行星齿轮箱齿面磨损故障进行研究和分析。
-
Patent Agency Ranking
公开(公告)号：CN107621367B
公开(公告)日：2019-10-01
申请号：CN201710718344.X
申请日：2017-08-21
Applicant: 北京信息科技大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于对角切片谱和灰色关联度的滚动轴承损伤程度评估方法，其步骤：利用已有转子实验台模拟设备运行状态，采集转子实验台的振动信号；对所有振动信号进行三阶累积量对角切片谱操作，获得正常信号和不同故障程度下的频谱图；对三阶累积量对角切片数据做灰色关联度分析，获得轴承前期故障信号的损伤直径‑灰色关联度曲线图；采集实际设备的未知故障振动信号，对振动信号进行前述步骤处理，制作出对应的对角切片谱，得到轴承故障频率，判断故障位置；计算实际设备未知故障的振动信号无量纲指标与正常信号灰色关联度值，将其描绘在轴承损伤直径和关联度拟合曲线图中，根据关联度在曲线上的位置，判断轴承损伤直径的大小。
-
公开(公告)号：CN106096154B
公开(公告)日：2019-05-28
申请号：CN201610431875.6
申请日：2016-06-17
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种小波包时域信号流形学习故障诊断方法，其步骤：对采集到的振动信号进行N层小波包分解，将振动信号分解为多层数据，生成2N个分量时域信号；对分解产生的各分量时域信号分别采用希尔伯特变换进行包络解调，获得代表故障状态的低频解调信号；对解调信号采用FIR低通滤波器消除高频噪声，并以低采样频率对各分量信号进行重采样保留低频信号；对重采样信号进行自相关计算并归一化为自相关系数，将处理后的各分层数据构造形成高维数据向量；采用t‑SNE流形学习算法对高维数据向量进行降维处理，形成L×2N维矩阵，最终形成2维或3维图形，对于机电设备不同的故障形式，其最终形成的流形结构不同，进而通过流形结构的形状判断设备的故障状态。
-
公开(公告)号：CN109443752A
公开(公告)日：2019-03-08
申请号：CN201811206915.2
申请日：2018-10-17
Applicant: 北京信息科技大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD-模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD-模平方阈值处理，得到处理后的信号 提取处理后的信号 的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
-
公开(公告)号：CN104155133B
公开(公告)日：2017-01-04
申请号：CN201410384028.X
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G01M99/00
Abstract: 本发明涉及一种机械故障程度的评价方法，其步骤：(1)利用转子实验台模拟机械设备正常运行状态，采用振动信号；(2)利用转子实验台模拟机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集振动信号；(3)对所有振动信号进行双谱操作获得双谱值矩阵；(4)将双谱值矩阵定义为劣化演化矩阵；计算正常运行状态下的劣化演化矩阵以及故障下的劣化演化矩阵；计算机械设备正常运行状态下的均值最大值、方差最大值；(7)根据以上获得劣化区间划分图；(8)采集实际设备的振动信号得到劣化均值、劣化方差，将其绘制在劣化区间划分图中，根据坐标点所处的区域判断设备运行状态。(5)计算劣化演化矩阵的特征值、均值、方差；(6)
-
公开(公告)号：CN104992063A
公开(公告)日：2015-10-21
申请号：CN201510390477.X
申请日：2015-07-06
Applicant: 北京信息科技大学
IPC: G06F19/00
Abstract: 本发明涉及一种机械设备振动信号的降噪方法，其包括步骤：对非平稳振动信号进行局部均值分解；根据局部均值分解后得到的PF分量，计算各PF分量与非平稳振动信号的互相关系数，将互相关系数与预先设定数值进行比较，并将互相关系数小于预先设定数值的各PF分量进行叠加重构，得到虚拟噪声通道信号；该虚拟噪声通道信号作为FastICA算法的输入信号；根据FastICA算法将振动信号与虚拟噪声通道信号进行盲源分离，得到振动信号源信号和噪声信号，实现对振动信号的降噪处理。本发明能有效降低振动信号中噪声干扰，使故障特征频率更加明显，进而有利于故障特征的提取，可以广泛在机械设备故障诊断领域中应用。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.031 seconds)
