公开(公告)号：CN119396704A

公开(公告)日：2025-02-07

申请号：CN202411108543.5

申请日：2024-08-13

Applicant: 桂林电子科技大学

Inventor： 朱望纯 ,  陈玉霞 ,  高海英 ,  周灿文 ,  翟军 ,  杨第焕 ,  王敬

IPC: G06F11/3668

Abstract: 本发明涉及自动化测试技术领域，具体为一种基于脚本的通用测试系统，包括：仪器配置子系统，配置用于测试用例的测试仪器信息，生成仪器配置信息文件；测试脚本开发子系统，用于二次开发可完成具体测试需求的测试流程，生成测试脚本文件；测试脚本执行子系统，用于执行所述测试脚本文件，将脚本测试流程解析为实际动作，并应用到仪器上，使仪器根据子系统命令执行动作；测试记录管理子系统，本发明中，这个测试系统的子系统架构具备可扩展性、高效性、灵活性、可视化和自动化的特点，能够提高测试效率、准确性和可靠性，适应各种测试需求，实现了可以针对不同的测试任务定制专属测试流程并执行测试，降低了重复开发的概率，提高了测试开发效率。

公开(公告)号：CN117383241A

公开(公告)日：2024-01-12

申请号：CN202311485391.6

申请日：2023-11-09

Applicant: 桂林电子科技大学

Inventor： 朱望纯 ,  翟军 ,  周灿文 ,  陈玉霞 ,  王敬 ,  杨第焕

IPC: B65G47/90

Abstract: 本发明公开了一种基于机械臂的电路板识别抓取检测方法，用以自动识别抓取和检测待测定的电路板，该方法包括：智能相机模块识别待检测区域的电路板的具体位置；机械臂自动抓取所述电路板；机械臂将所述电路板移至检测孔位插入；设置力传感器阈值，达到阈值后机械臂停止电路板引脚插入；力传感器发送信号，开始检测所述电路板各项功能；根据检测结果将所述电路板分类放置。通过本发明公开的方法，能够实现自动识别并抓取检测电路板功能，本发明方法包含了识别、定位、抓取、插孔、测试、分类等多个环节，速度较快，结果可靠，降低了检测成本，稳定性高。

公开(公告)号：CN117349175A

公开(公告)日：2024-01-05

申请号：CN202311406751.9

申请日：2023-10-27

Applicant: 桂林电子科技大学

Inventor： 朱望纯 ,  陈玉霞 ,  周灿文 ,  翟军 ,  杨第焕 ,  王敬

IPC: G06F11/36

Abstract: 本发明涉及自动化测试技术领域，具体为一种基于脚本的通用测试系统，包括：仪器配置子系统，配置用于测试用例的测试仪器信息，生成仪器配置信息文件；测试脚本开发子系统，用于二次开发可完成具体测试需求的测试流程，生成测试脚本文件；测试脚本执行子系统，用于执行所述测试脚本文件，将脚本测试流程解析为实际动作，并应用到仪器上，使仪器根据子系统命令执行动作；测试记录管理子系统，本发明中，这个测试系统的子系统架构具备可扩展性、高效性、灵活性、可视化和自动化的特点，能够提高测试效率、准确性和可靠性，适应各种测试需求，实现了可以针对不同的测试任务定制专属测试流程并执行测试，降低了重复开发的概率，提高了测试开发效率。

公开(公告)号：CN118883068A

公开(公告)日：2024-11-01

申请号：CN202411110577.8

申请日：2024-08-14

Applicant: 桂林电子科技大学

Inventor： 朱望纯 ,  周灿文 ,  高海英 ,  翟军 ,  杨第焕 ,  陈玉霞 ,  王敬

IPC: G01M13/045 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06F18/24 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明提出一种轴承故障诊断方法及系统，包括：采集轴承的振动信号数据，并对所述振动信号数据进行预处理，获得轴承故障检测数据集；将所述轴承故障检测数据集划分训练集、验证集和测试集，构建深度学习网络模型；基于所述训练集对所述深度学习网络模型进行训练，将训练结果最好的模型进行保存，获得目标网络模型；将轴承运行的实时数据输入所述目标网络模型进行故障检测，获得故障检测结果。本发明通过增加神经网络第一层卷积的宽度，获取很多特征信息，接着多层小卷积的结构，有效地抑制了过拟合，相较于传统故障诊断方法，本发明能够更快速、更准确的对机器轴承可能发生的故障进行诊断。

公开(公告)号：CN117312924A

公开(公告)日：2023-12-29

申请号：CN202311363625.X

申请日：2023-10-20

Applicant: 桂林电子科技大学

Inventor： 朱望纯 ,  周灿文 ,  翟军 ,  杨第焕 ,  陈玉霞 ,  王敬

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/10 ,  G01M13/045

Abstract: 本发明提出一种轴承故障诊断方法及系统，包括：采集轴承的振动信号数据，并对所述振动信号数据进行预处理，获得轴承故障检测数据集；将所述轴承故障检测数据集划分训练集、验证集和测试集，构建深度学习网络模型；基于所述训练集对所述深度学习网络模型进行训练，将训练结果最好的模型进行保存，获得目标网络模型；将轴承运行的实时数据输入所述目标网络模型进行故障检测，获得故障检测结果。本发明通过增加神经网络第一层卷积的宽度，获取很多特征信息，接着多层小卷积的结构，有效地抑制了过拟合，相较于传统故障诊断方法，本发明能够更快速、更准确的对机器轴承可能发生的故障进行诊断。