-
公开(公告)号：CN119987285A
公开(公告)日：2025-05-13
申请号：CN202510092964.1
申请日：2025-01-21
Applicant: 华中科技大学
IPC: G05B19/408
Abstract: 本发明属于伺服控制优化相关技术领域，其公开了一种基于柔性动作‑评价算法的滚珠丝杠进给系统伺服参数优化方法及设备，该方法包括以下步骤：(1)构建基于Actor‑Critic框架的SAC算法的智能体网络，所述智能体网络引入了最大熵；(2)通过环境搜索接口将滚珠丝杠进给系统的仿真模型和SAC算法的智能体网络关联，并训练SAC算法的智能体网络，继而采用训练完成的智能体网络获得优化的伺服参数。使用的SAC算法引入了最大熵概念，在探索最大累计奖励值的同时，探索随机策略的最大熵，拓宽了智能体网络的探索空间，提高探索的随机性，相较于启发式算法和其他深度强化学习算法而言，不易陷入局部最优。
-
公开(公告)号：CN119598347A
公开(公告)日：2025-03-11
申请号：CN202411683129.7
申请日：2024-11-22
Applicant: 华中科技大学
IPC: G06F18/2431 , G01M13/02 , G01M13/028 , G06F18/2131 , G06F18/15 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明属于故障信号处理相关技术领域，并公开了一种部分源域数据缺失的多源域滚珠丝杠故障诊断方法及系统。该方法包括：对于丝杠运行过程不同工况下部分故障类别缺失的振动信号进行数据补齐，获得所有工况对应的完整源域；将源域和目标域输入域自适应网络中进行训练，域自适应网络中包括原型学习模块和分类器，原型学习模块中采用最小化最大均值差异损失函数和特征范数损失函数拉近各个源域与目标域之间的特征分布距离，分类器将故障类型作为输出；将待诊断的振动信号输入所述域自适应网络的分类器中，以此获得待诊断的振动信号对应的故障类型。通过本发明，解决现有诊断方法不能进行部分工况训练数据缺失下未知工况故障诊断的问题。
-
公开(公告)号：CN116451533A
公开(公告)日：2023-07-18
申请号：CN202310370914.6
申请日：2023-04-07
Applicant: 华中科技大学
IPC: G06F30/23 , G06F17/16 , G06F111/10 , G06F119/14
Abstract: 本发明属于转子动力学相关技术领域，其公开了一种故障转子动力学仿真方法、系统、电子设备及存储介质，其中方法包括：建立转子系统的有限元模型；建立裂纹模型，根据裂纹模型以及裂纹单元的物理参数，获取裂纹单元的刚度矩阵；建立轴承的松动刚度模型以及松动阻尼模型，获取松动轴承的刚度和阻尼；根据裂纹单元的刚度矩阵、松动轴承的刚度和阻尼，重新组集获取转子系统的系统刚度矩阵和系统阻尼矩阵；根据系统刚度矩阵和系统阻尼矩阵，获取转子系统的动力学响应特性。本发明采用有限元数值仿真方法，综合考虑裂纹和轴承座松动耦合故障的情形，提出了转子系统在耦合故障下的仿真分析方法，在耦合故障情形下也具有较高的计算精度，实用性更强。
-
公开(公告)号：CN116401924A
公开(公告)日：2023-07-07
申请号：CN202310387762.0
申请日：2023-04-07
Applicant: 华中科技大学
IPC: G06F30/23 , G06F119/14
Abstract: 本发明属于转子动力学和故障诊断相关技术领域，并公开了一种考虑航空发动机结构耦合的叶片‑机匣碰摩仿真方法。该方法包括：S1构建多盘双转子‑机匣系统的运动方程；S2设定仿真时间段并将其离散为多个仿真时刻，选定碰摩圆盘和不平衡圆盘；S3计算并输出当前时刻的系统位移矢量，提取碰摩圆盘和碰摩机匣节点的位移，计算系统碰摩力和不平衡力；S4利用S3所得的碰摩力和不平衡力更新系统的运动方程，返回步骤S3，计算下一时刻系统位移矢量，以此获得所有时刻的位移矢量，进而实现对航空发动机叶片‑机匣碰摩的仿真。通过本发明，解决现有模型无法准确模拟具有多盘双转子‑机匣耦合结构的航空发动机的叶片‑机匣碰摩故障的问题。
-
公开(公告)号：CN119441981A
公开(公告)日：2025-02-14
申请号：CN202411540198.2
申请日：2024-10-31
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/10 , G06V10/764 , G06V10/774 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G01M13/028 , G06F123/02
Abstract: 本发明属于设备智能故障诊断相关技术领域，其公开了一种基于格拉姆角场与VAE‑GAN的设备故障诊断方法及系统，包括：离线阶段：采集设备振动信号，建立初始信号样本集；利用GAF编码技术将信号样本编码为格拉姆角场图片；基于GAN建立样本增广模型，利用初始图片样本集进行训练；利用训练完成的样本增广模型获取扩展图片样本集；建立图片分类模型，基于扩展图片样本集进行训练；在线诊断阶段：将待测信号样本编码为格拉姆角场图片；输入训练完成的图片分类模型，获取故障模式分类结果。本发明将设备故障振动信号转化为二维图像，能够充分发挥GAN在图像生成中的优势，解决了现故障样本少、样本分布不均衡的问题。
-
Patent Agency Ranking
公开(公告)号：CN114239810B
公开(公告)日：2024-09-03
申请号：CN202111571489.4
申请日：2021-12-21
Applicant: 华中科技大学
IPC: G06N3/0464 , G06N3/08 , G06Q10/04 , G06F18/213 , G06F18/214
Abstract: 本发明属于刀具状态监测相关技术领域，其公开了一种基于改进PCANet模型的铣刀磨损预测方法，包括以下步骤：(1)将训练集输入到改进PCANet模型，以对进行训练；改进PCANet模型分为APCANet‑MP模型和SVR模型，APCANet‑MP模型又分为三个阶段，第一阶段和第二阶段的数据处理方式完全一致，都包括预处理层、PCA卷积层和激活层；后处理阶段包括最大池化层和输出层；SVR模型采用linear核函数；(2)应用评价指标对训练后的改进PCANet模型进行评估，根据评估结果对改进PCANet模型的结构参数进行优化；(3)将待预测铣刀的信号数据输入优化后的改进PCANet模型，以进行铣刀磨损预测。本发明缩减了参数规模，提高了分析效率与预测精度。
-
公开(公告)号：CN112050845B
公开(公告)日：2024-08-06
申请号：CN202010954269.9
申请日：2020-09-11
Applicant: 华中科技大学
IPC: G01D18/00
Abstract: 本发明属于传感器测试领域，并具体公开了一种石英晶体微天平传感器的性能测试装置。该性能测试装置包括上盖和底座，其中上盖中进气孔和出气孔与反应腔相连通；反应腔下方的上盖密封圈凹槽用于放置上盖密封圈，上盖限位凹槽用于与底座配合，以放置待测石英晶体微天平传感器；底座中底座限位凹槽与上盖限位凹槽配合用于放置待测石英晶体微天平传感器；底座密封圈凹槽用于放置底座密封圈；引线孔用于放置引线。本发明利用上盖限位凹槽和底座限位凹槽相互配合对石英晶体微天平传感器进行限位，并利用上盖密封圈和下盖密封圈增强气密性，并保证较好的电极接触性能，同时还能够缓解石英晶体微天平传感器的接触压力。
-
公开(公告)号：CN112028010A
公开(公告)日：2020-12-04
申请号：CN202010899353.5
申请日：2020-08-31
Applicant: 华中科技大学
Abstract: 本发明属于微纳结构相关技术领域，并具体公开了一种大面积高耐用性超疏水表面结构的制备方法及其产品。该方法包括：在基底表面制备刻蚀掩膜层，并通过刻蚀在基底上制得倒锥形阵列；对倒锤形阵列进行纳米压印，以此制得锥形掩膜，然后进行一次倒模，获得倒锥形阵列结构；构建耐磨层，获得倒锥形模板，利用疏水聚合物对倒锥形模板进行二次倒模，制得锥形阵列结构；对锥形阵列结构的表面进行研磨，以得到锥台阵列结构。本发明采用一次倒模、构建耐磨层的方式制备大面积倒锥形模板，后续利用疏水聚合物进行二次倒模得到大面积的超疏水表面，无需任何低表面能物质修饰，最后通过研磨进行微纳结构的加工，能够进一步提高表面的粗糙度和结构稳定性。
-
公开(公告)号：CN111832432A
公开(公告)日：2020-10-27
申请号：CN202010584310.8
申请日：2020-06-23
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G05B19/4065 , G06N3/04 , G06N3/08
Abstract: 本发明属于刀具状态监测相关技术领域，其公开了基于小波包分解和深度学习的刀具磨损实时预测方法，包括以下步骤：(1)同步采集工件加工过程中的相关传感器信号，并选取其中稳定的信号段作为待分析的信号段，同时扩充待分析信号样本以增加样本量；对待分析信号进行小波包分解变换，以得到多个小波包系数二维矩阵；(2)小波包系数二维矩阵对应都作为一个特征提取CNN模型块的输入，并将每个特征提取CNN模型块输出的一维特征矩阵拼接成更长的一维矩阵，进而进行特征融合并建立两层全连接网络，由此得到卷积神经网络模型；(3)将待分析的信号数据输入到所述卷积神经网络模型中，以实时预测刀具的磨损量。本发明能降低成本，且适用性强。
-
公开(公告)号：CN114970678B
公开(公告)日：2024-09-20
申请号：CN202210451224.9
申请日：2022-04-26
Applicant: 华中科技大学
IPC: G06F18/24 , G06N3/0475 , G06N3/045 , G06F18/214 , G01M13/045
Abstract: 本发明属于轴承故障诊断相关技术领域，其公开了一种基于孪生神经网络的航发轴承故障诊断方法，包括以下步骤：(1)采集航发轴承不同运行状态下的振动信号；(2)遍历预处理后的训练数据，并将训练数据两两输入孪生神经网络模型进行训练；孪生神经网络模型包括两个结构完全相同的子网络，且两个子网络之间权重共享；单独的子网络由并行的两部分结构组成，第一部分依次包括一个卷积层、一个最大池化层、两个二层残差学习单元以及一个全局平均池化层；第二部分由两个长短期记忆模块构成；(3)将预处理后的待诊断的轴承数据与轴承各类运行状态的代表样本输入孪生神经网络模型，以进行故障类型识别。本发明提高了诊断准确率。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
