-
公开(公告)号：CN119727452A
公开(公告)日：2025-03-28
申请号：CN202411907773.8
申请日：2024-12-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H02N2/18
Abstract: 本申请实施例涉及能量收集技术领域，特别涉及一种仿生蝗虫腿式压电能量收集器，包括：固定件，配置为用于固定于能量收集处；主梁，呈直板状，且其一端与所述固定件固定，并沿远离于所述固定件的方向延伸，其中，所述主梁的延伸方向与所述主梁的板面垂直；连接件，固定于所述主梁的另一端；副梁，呈弯板状或类板弯状，位于所述连接件远离所述主梁的一侧，且其一端所述连接件固定，并沿远离所述主梁的方向呈弯状或类弯状延伸，其中，所述副梁的两个板面朝向分别与所述主梁的两个板面朝向相同；以及压电片，与所述主梁的板面贴合并固定。本申请实施例提供的仿生蝗虫腿式压电能量收集器，可提升能量收集效率。
-
公开(公告)号：CN117390482B
公开(公告)日：2024-08-02
申请号：CN202310844476.2
申请日：2023-07-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于SL框架的多模型交互式故障诊断方法、设备及存储介质，其包括对采集到的数据进行预处理；搭建DSL网络模型，其中，DSL网络模型包括CNN网络、小波CNN网络以及滤波器CNN网络；将训练数据集的数据通过节点1、2、3分别输入DSL网络模型进行训练；随机选择一个节点A作为中央服务器决策者；节点B、C将其模型参数传递给决策者，由决策者整合模型并分发模型；判断是否达到训练次数，如是，则使用测试数据集对训练好的DSL网络模型进行测试，并给出机械部件的故障诊断结果。本发明可以解决现有技术中模型结构相同、存在着数据泄露等问题，将不同的训练节点使用不同的模型，通过不同的模型来实现数据信息的交互，进一步提高了数据的隐私性。
-
公开(公告)号：CN117076973A
公开(公告)日：2023-11-17
申请号：CN202310844651.8
申请日：2023-07-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/24 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于对抗性网络的轴承包络阶谱生成方法、设备及存储介质，其包括将第一工况的故障数据划分为多个子样本，将划分后的每组数据长度为K的数据提取包络谱，再将提取后的包络谱数据进行阶次分析，得到数据长度为M的第一包络阶次谱；将第一包络阶次谱作为GAN网络的输入来生成伪包络阶次谱；利用伪包络阶次谱和第二工况正常数据的包络阶次谱对CNN网络模型进行训练，并将第二工况的包络阶次谱数据输入训练好的CNN网络模型进行验证，从而实现跨越工况生成数据。本发明可以将包络阶次谱作为GAN的输入，通过将生成的故障数据和原本的正常数据集合在一起，经过一个CNN来判别结果，可以实现轴承跨工况的故障诊断，为新工况的诊断提供了有效手段。
-
公开(公告)号：CN119765987A
公开(公告)日：2025-04-04
申请号：CN202411934185.3
申请日：2024-12-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请实施例涉及能量收集技术领域，特别涉及一种仿生扑翼式复合能量收集器，包括：固定座，配置为用于固定于能量收集处，且其内部设有空腔；线圈，固定于固定座表面，且环绕空腔设置；磁体，位于空腔内，且其在线圈轴线上的尺寸小于空腔在轴线上的尺寸；主翼梁，呈板状，且其一端与固定座固定，并沿远离于固定座的方向延伸，其中，主翼梁的延伸方向与主翼梁的板面垂直；副翼梁，呈板状，且其一端与主翼梁远离固定座的一端固定；以及压电片，与主翼梁的板面贴合并固定。本申请实施例提供的仿生扑翼式复合能量收集器，用于实现可捕获多方向振动能量，提升复合能量收集器如在桥梁、货运列车等复杂振动环境下的能量收集效果。
-
公开(公告)号：CN117609856A
公开(公告)日：2024-02-27
申请号：CN202311498597.2
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06F18/213 , G06N3/08 , G06F18/21
Abstract: 本发明提供一种基于群学习算法的工业机器人关节故障诊断方法，其包括对采集到的数据进行平方包络谱分析，划分训练数据集和测试数据集；在本地的多个节点分别建立卷积神经网络作为本地训练的模型；将多个模型分别进行本地训练后加入域对抗神经网络；在多个节点中随机选择一个决策者作为临时中央服务器；其他参与者将模型参数传递给决策者，由决策者将模型参数整合后分发给每一个参与者，参与者进行模型更新；判断是否达到训练停止的标准，如是，则利用得到的测试数据集进行模型的验证，输出模型诊断的精度。本发明主要利用群学习框架来进行模型参数的交流和融合，无需中央服务器的交流，各个节点独自交流，从而降低了沟通成本。
-
Patent Agency Ranking
公开(公告)号：CN117421977A
公开(公告)日：2024-01-19
申请号：CN202311355486.6
申请日：2023-10-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F30/27 , G06F18/25 , G06F17/11 , G06N3/084 , G01M13/045 , G06F119/14
Abstract: 本发明公开了一种融合动力学方程的轴承故障自动诊断方法，包括以下步骤：(1)搭建BYOLDIS网络；(2)搭建包含外圈、内圈和滚子三种故障类型候选项的动力学备选方程库，将动力学备选方程库与稀疏矩阵相结合共同构成重构的故障轴承动力学方程组；(3)采集诊断所需的振动加速度序列信号，计算得到积分序列速度信号和位移信号；(4)确定延迟坐标嵌入的延迟时间，进一步构建hanker矩阵H、 Hp；(5)计算BYOLDIS网络的损失函数，通过反向传播优化器更新在线网络的参数，并利用在线网络的参数通过滑动平均法更新目标网络的参数；(6)取稀疏矩阵权重最大的故障类型轴承故障动力学项作为诊断结果输出。本发明可在无需任何标签辅助的情况下进行自动故障分类。
-
公开(公告)号：CN117909801A
公开(公告)日：2024-04-19
申请号：CN202311498279.6
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/084 , G06N3/09
Abstract: 本发明提供一种工业机器人关节的少标签振动数据的故障诊断方法，其包括将采集到的原始振动数据进行数据预处理；使用预处理后的数据样本，构建图结构数据；将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵；将特征矩阵执行解码操作，获得重构邻接矩阵；计算得到损失函数；根据损失函数L进行反向传播，进行编码器的训练；获得训练好的编码器；使用训练好的编码器对图数据进行编码，获得提取到的故障特征；使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；获得故障诊断结果。本发明主要用于在图数据的构建以及有监督的故障特征提取上，可用于少标签样本的故障诊断以及无标签样本的故障特征提取。
-
公开(公告)号：CN119551096A
公开(公告)日：2025-03-04
申请号：CN202411950133.5
申请日：2024-12-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B62D57/032
Abstract: 本发明公开了一种能够直腿站立、直腿起步的人形机器人，包括躯干组件、大腿组件、小腿组件和足部组件，躯干组件与大腿组件之间通过髋关节组件可转动地连接，大腿组件和小腿组件之间通过膝关节组件可转动地连接，小腿组件与足部组件之间通过踝关节组件可转动地连接，大腿组件与小腿组件分别包括大腿骨架和小腿骨架，当大腿骨架与小腿骨架均伸直时，髋关节组件俯仰的回转轴线与膝关节组件俯仰的回转轴线不在同一竖直面上，膝关节组件俯仰的回转轴线与踝关节组件俯仰的回转轴线在同一竖直面上，保证了机器人大腿组件与小腿组件之间的传动角不为0°，不会导致竖直方向上的自由度丢失，实现了机器人的直腿站立、直腿起步，使得机器人更加接近真人形态。
-
公开(公告)号：CN117909801B
公开(公告)日：2024-12-20
申请号：CN202311498279.6
申请日：2023-11-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/084 , G06N3/09
Abstract: 本发明提供一种工业机器人关节的少标签振动数据的故障诊断方法，其包括将采集到的原始振动数据进行数据预处理；使用预处理后的数据样本，构建图结构数据；将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵；将特征矩阵执行解码操作，获得重构邻接矩阵；计算得到损失函数；根据损失函数L进行反向传播，进行编码器的训练；获得训练好的编码器；使用训练好的编码器对图数据进行编码，获得提取到的故障特征；使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；获得故障诊断结果。本发明主要用于在图数据的构建以及有监督的故障特征提取上，可用于少标签样本的故障诊断以及无标签样本的故障特征提取。
-
公开(公告)号：CN117076973B
公开(公告)日：2024-05-28
申请号：CN202310844651.8
申请日：2023-07-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/24 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于对抗性网络的轴承包络阶谱生成方法、设备及存储介质，其包括将第一工况的故障数据划分为多个子样本，将划分后的每组数据长度为K的数据提取包络谱，再将提取后的包络谱数据进行阶次分析，得到数据长度为M的第一包络阶次谱；将第一包络阶次谱作为GAN网络的输入来生成伪包络阶次谱；利用伪包络阶次谱和第二工况正常数据的包络阶次谱对CNN网络模型进行训练，并将第二工况的包络阶次谱数据输入训练好的CNN网络模型进行验证，从而实现跨越工况生成数据。本发明可以将包络阶次谱作为GAN的输入，通过将生成的故障数据和原本的正常数据集合在一起，经过一个CNN来判别结果，可以实现轴承跨工况的故障诊断，为新工况的诊断提供了有效手段。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.056 seconds)
