-
公开(公告)号：CN104794368A
公开(公告)日：2015-07-22
申请号：CN201510249411.9
申请日：2015-05-15
Applicant: 哈尔滨理工大学
IPC: G06F19/00
Abstract: 基于FOA-MKSVM的滚动轴承故障分类方法，属于滚动轴承故障诊断技术领域。本发明的目的是提供一种初始化参数少、参数设置简单、全局搜索能力强和分类准确率高的滚动轴承故障分类方法。对滚动轴承各状态振动信号进行特征提取；构造多核核函数使得支持向量机多核化；将训练特征集作为多核支持向量机MKSVM的输入，运用果蝇优化算法FOA对MKSVM的惩罚系数C、每个核函数参数和核函数权值λm进行参数寻优；将测试特征集输入到多核支持向量机MKSVM模型中进行测试，得到滚动轴承正常状态、内环故障状态、外环故障状态、滚动体故障状态的分类准确率。本发明具有初始化参数少、参数设置简单、全局搜索能力强和分类准确率高的优点。
-
公开(公告)号：CN102270382A
公开(公告)日：2011-12-07
申请号：CN201110101760.8
申请日：2011-04-22
Applicant: 哈尔滨理工大学
CPC classification number: Y02A90/14
Abstract: 风电场无线气象数据监测装置，它涉及气象数据监测装置，它解决了监测装置可靠性不高，误差大，价格昂贵的问题。本发明的数据采集模块采集输出的数据经ZigBee无线传输模块传输给数据处理模块。本发明的优点，采用超低功耗MCU使得装置的功耗很低；采用热膜风传感器使得装置的精度高，成本低，耐用性好，适应环境能力强，应用温度范围广；采用Zigbee无线传输模块解决了装置的有线传输问题，缩小了装置的体积，减轻了质量，节约前期风资源评估成本和人力投入。
-
公开(公告)号：CN106644481B
公开(公告)日：2018-10-30
申请号：CN201611230706.2
申请日：2016-12-27
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，涉及滚动轴承可靠度预测技术领域。为保证预测精度同时增加预测步长而提出的预测方法。该方法首先提取振动信号的包络信号，计算该包络信号的数学形态学分形维数，将其作为滚动轴承性能退化状态特征；其次，利用IFOA对SVR中的参数C，g以及ε同时进行寻优，建立预测模型。同时，利用极大似然估计结合IFOA建立威布尔比例故障率模型，进而得到可靠度模型；最后，将退化状态特征作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取特征预测结果，并将该结果嵌入到可靠度模型中，从而预测出轴承运行状态的可靠度。实验表明，利用所提方法在保证预测精度的前提下增加预测步长。
-
公开(公告)号：CN105528504A
公开(公告)日：2016-04-27
申请号：CN201610115922.6
申请日：2016-03-01
Applicant: 哈尔滨理工大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F2217/76
Abstract: 基于CFOA-MKHSVM的滚动轴承健康状态评估方法，属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题，采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性，以及容易选入局部最优问题，将果蝇算法与混沌理论相结合，对多参数进行寻优。同时构建混沌优化果蝇算法——多核超球体支持向量机CFOA-MKHSVM模型，并提出归一化差别系数评估指标。经实验，与SVDD算法评估指标进行对比，验证了所提指标的有效性，实现了滚动轴承健康状态的定量评估。
-
公开(公告)号：CN105528504B
公开(公告)日：2018-09-04
申请号：CN201610115922.6
申请日：2016-03-01
Applicant: 哈尔滨理工大学
IPC: G06F17/50
Abstract: 基于CFOA‑MKHSVM的滚动轴承健康状态评估方法，属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题，采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性，以及容易选入局部最优问题，将果蝇算法与混沌理论相结合，对多参数进行寻优。同时构建混沌优化果蝇算法—多核超球体支持向量机CFOA‑MKHSVM模型，并提出归一化差别系数评估指标。经实验，与SVDD算法评估指标进行对比，验证了所提指标的有效性，实现了滚动轴承健康状态的定量评估。
-
Patent Agency Ranking
公开(公告)号：CN104807869A
公开(公告)日：2015-07-29
申请号：CN201510253061.3
申请日：2015-05-18
Applicant: 哈尔滨理工大学
IPC: G01N27/414 , G01N33/543
Abstract: 一种基于二维纳米材料的生物传感器及其制作与集成方法。本发明涉及一种高灵敏度生物传感器及其制作与集成方法，具体涉及基于二维纳米材料的生物传感器及其制作与集成方法。本发明是为了解决现有生物传感器分析速度慢，操作复杂，设备昂贵以及采用电化学法制作的电极其电化学响应易受到非导电性材料使用的影响的问题。本发明的生物传感器的制作集成方法，首先基于黑磷、二硫化钼等二维纳米材料采用自下而上加工方法制作FET场效应管；继而利用聚二甲基硅氧烷在晶片上制作出微流体通道，并与经过表面改性的晶片键合；最后对微流体通道中的二维纳米材料进行化学修饰，并结合待检测物质的相应抗体。
-
公开(公告)号：CN102854015A
公开(公告)日：2013-01-02
申请号：CN201210389816.9
申请日：2012-10-15
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 一种滚动轴承故障位置及性能退化程度诊断方法，属于轴承故障诊断技术领域。解决了现有技术中的滚动轴承智能诊断方法存在故障位置及性能退化程度的诊断正确率较低，训练时间消耗大的问题。提出的集合经验模态分解方法中的加入白噪声准则，可避免人为确定分解参数，提高其分解效率；提出的基于超球球心间距的核参数优化方法，可确定多分类情况下，核参数的小而有效的搜索区间，从而减少训练时间，给出了分类器的最终状态超球模型。基于优化参数的集合经验模态分解和奇异值分解，再结合超球球心间距的核参数优化的超球多类支持向量机的智能诊断方法比已有的诊断方法识别率高。本发明主要应用于滚动轴承故障位置及性能退化程度的智能诊断。
-
公开(公告)号：CN107359980A
公开(公告)日：2017-11-17
申请号：CN201710635672.3
申请日：2017-07-31
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种六维分数阶超混沌系统及混沌信号发生器，涉及信息加密领域。本发明的六维分数阶超混沌系统维数高，系统有两个以上正的Lyapunov指数，呈现超混沌特性，获得更为复杂的混沌信号，从而提高混沌信息加密的安全性。而分数阶微分具有记忆能力，比整数阶更适合于电路系统的特性描述。六维分数阶超系统用于输出六路混沌信号。混沌信号发生器中的FPGA用于生成六维超混沌系统电路，FPGA的六路混沌信号输出端分别连接第一路、第二路、第三路、第四路、第五路、第六路数模转换器的数字信号输入端；拨码开关的一端连接电源，拨码开关的另一端分别连接六路数模转换器的供电端，六路数模转换器输出的信号均为电压信号。混沌信号发生器能提供具有多种变量组合形式的、用于信息加密的、具有良好混沌特性的六维混沌信号源。
-
公开(公告)号：CN106769051A
公开(公告)日：2017-05-31
申请号：CN201710144702.0
申请日：2017-03-10
Applicant: 哈尔滨理工大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 一种基于MCEA‑KPCA和组合SVR的滚动轴承剩余使用寿命预测方法，属于轴承运行状态的预测领域。本发明的目的是为了准确预测滚动轴承的剩余使用寿命。本发明方法对提取的特征计算每个评价标准的有效性得分，自适应地确定每个评价标准的权重，筛选出有效性总得分高于其整体平均值的特征，进一步利用KPCA去除已筛选特征之间的信息冗余，建立约简后的特征矩阵。将多个轴承约简后的特征分别作为SVR的输入，当前使用寿命与全寿命的比值p即RUL作为输出，建立多个SVR模型，并采用自适应的方法确定各模型的权重，最终构建组合SVR预测模型。本发明方法可准确地对滚动轴承进行RUL预测。
-
公开(公告)号：CN106644481A
公开(公告)日：2017-05-10
申请号：CN201611230706.2
申请日：2016-12-27
Applicant: 哈尔滨理工大学
IPC: G01M13/04
CPC classification number: G01M13/04
Abstract: 基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，涉及滚动轴承可靠度预测技术领域。为保证预测精度同时增加预测步长而提出的预测方法。该方法首先提取振动信号的包络信号，计算该包络信号的数学形态学分形维数，将其作为滚动轴承性能退化状态特征；其次，利用IFOA对SVR中的参数C，g以及ε同时进行寻优，建立预测模型。同时，利用极大似然估计结合IFOA建立威布尔比例故障率模型，进而得到可靠度模型；最后，将退化状态特征作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取特征预测结果，并将该结果嵌入到可靠度模型中，从而预测出轴承运行状态的可靠度。实验表明，利用所提方法在保证预测精度的前提下增加预测步长。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
