-
公开(公告)号：CN119226735A
公开(公告)日：2024-12-31
申请号：CN202411307450.5
申请日：2024-09-19
Applicant: 无锡学院
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于深度学习的滚动轴承剩余寿命预测方法，将预先获取的滚动轴承的振动信号输入训练获得的端到端模型，利用端到端模型预测输出滚动轴承的剩余使用寿命；其中，端到端模型包括依次连接的第一卷积层、APP1层、第一Dropout层、第一Mixer模块、第二Mixer模块、第三Mixer模块、APP4层和全连接层。本发明采用的MDSCT模型的RUL预测使用原始振动数据，并通过融合多尺度深度可分离卷积注意力网络和PPSformer模块有效地提取轴承振动信号的全局和局部特征，优化了网络捕获的退化特征能力，使RUL预测更加准确。
-
公开(公告)号：CN118503926B
公开(公告)日：2024-11-05
申请号：CN202410934961.3
申请日：2024-07-12
Applicant: 无锡学院
IPC: G06F18/27 , G06F18/10 , G06F18/213 , G06F18/2433 , G01R31/34 , G01D21/02
Abstract: 本发明提供基于工业互联网的智能机电综合诊断、监控方法及系统，涉及机电监测技术领域，包括采集电机音频、温度数据，并对音频、温度数据进行相关性分析，输出电机故障置信度；本发明首次通过对智能机电的电机音频、温度进行监测和分析，通过采集音频时域信号，并对其进行预处理，生成电机音频故障指数，量化音频中的异常量，还采集了智能机电的电机温度数据，将无故障电机的温度数据作为对比量，与监测电机的温度进行相关性分析，生成电机温度故障评价系数，结合电机温度故障评价系数和电机音频故障指数，生成反映了电机综合故障状态的电机综合故障评价指数，并输出电机故障置信度，从而实现对电机是否发生故障的监测和诊断。
-
Patent Agency Ranking
公开(公告)号：CN118332413B
公开(公告)日：2024-10-22
申请号：CN202410754672.5
申请日：2024-06-12
Applicant: 无锡学院
IPC: G06F18/241 , G06F40/216 , G06F40/237 , G06F18/2113 , G01R31/00
Abstract: 本发明提供机电故障智能分析方法及系统，涉及电力设备检修技术领域，本发明通过在故障发生时，获取原始故障信息并进行初步筛选，去除重复信息和无用信息，形成重复特征词集和无用特征词集，获取重复特征词集和无用特征词集中每一特征词在历史故障集中的出现频率和诊断准确率数据，并根据重复特征词集和无用特征词集的数据，分别生成第一诊断结果评价系数和第二诊断结果评价系数，用于评价各特征词的诊断准确程度，最后，结合历史故障集进行分析处理，构建优化调整模型，对当前初步筛选的重复特征词集和无用特征词集进行优化调整，以减少误删故障关键信息的情况发生，提高故障诊断的准确性和效率。
-
公开(公告)号：CN118332413A
公开(公告)日：2024-07-12
申请号：CN202410754672.5
申请日：2024-06-12
Applicant: 无锡学院
IPC: G06F18/241 , G06F40/216 , G06F40/237 , G06F18/2113 , G01R31/00
Abstract: 本发明提供机电故障智能分析方法及系统，涉及电力设备检修技术领域，本发明通过在故障发生时，获取原始故障信息并进行初步筛选，去除重复信息和无用信息，形成重复特征词集和无用特征词集，获取重复特征词集和无用特征词集中每一特征词在历史故障集中的出现频率和诊断准确率数据，并根据重复特征词集和无用特征词集的数据，分别生成第一诊断结果评价系数和第二诊断结果评价系数，用于评价各特征词的诊断准确程度，最后，结合历史故障集进行分析处理，构建优化调整模型，对当前初步筛选的重复特征词集和无用特征词集进行优化调整，以减少误删故障关键信息的情况发生，提高故障诊断的准确性和效率。
-
公开(公告)号：CN118245775A
公开(公告)日：2024-06-25
申请号：CN202410364253.0
申请日：2024-03-28
Applicant: 无锡学院
IPC: G06F18/213 , G01M13/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合注意力机制的轻量级滚动轴承故障诊断方法，包括如下步骤：设置1D‑LECA‑Inception网络，输入端直接使用采集振动信号，端到端故障识别；1D‑LECA‑Inception网络提取振动信号中的故障，随后将提取到的精细特征传入自适应平均池化层，再将池化压缩后的突出特征信息送入全连接层进行故障的诊断输出。本发明直接使用一维原始的振动信号进行诊断，减少信号处理方法可能带来的特征信息缺失，是一种适合于复杂环境下的高效滚动轴承故障识别方法。
-
公开(公告)号：CN118936886A
公开(公告)日：2024-11-12
申请号：CN202410956833.9
申请日：2024-07-17
Applicant: 无锡学院
IPC: G01M13/045 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于1D‑XFormer模型的电机轴承故障诊断方法和系统，所述方法包括以下步骤：采集电机轴承振动信号并进行预处理；构建自适应轻量化1D‑XFormer网络用于电机轴承故障诊断；将预处理后的轴承振动信号输入1D‑XFormer网络得到诊断结果；其中，1D‑XFormer网络由一维Xception和Transformer组成用于电机轴承故障诊断，包括输入、中间、输出三个通道。本发明在复杂工况下具有较强的电机故障诊断能力而且该方法的复杂度较低。
-
公开(公告)号：CN118503926A
公开(公告)日：2024-08-16
申请号：CN202410934961.3
申请日：2024-07-12
Applicant: 无锡学院
IPC: G06F18/27 , G06F18/10 , G06F18/213 , G06F18/2433 , G01R31/34 , G01D21/02
Abstract: 本发明提供基于工业互联网的智能机电综合诊断、监控方法及系统，涉及机电监测技术领域，包括采集电机音频、温度数据，并对音频、温度数据进行相关性分析，输出电机故障置信度；本发明首次通过对智能机电的电机音频、温度进行监测和分析，通过采集音频时域信号，并对其进行预处理，生成电机音频故障指数，量化音频中的异常量，还采集了智能机电的电机温度数据，将无故障电机的温度数据作为对比量，与监测电机的温度进行相关性分析，生成电机温度故障评价系数，结合电机温度故障评价系数和电机音频故障指数，生成反映了电机综合故障状态的电机综合故障评价指数，并输出电机故障置信度，从而实现对电机是否发生故障的监测和诊断。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
