-
公开(公告)号:CN117349615B
公开(公告)日:2024-06-04
申请号:CN202311256031.9
申请日:2023-09-26
Applicant: 浙江大学
IPC: G06F18/20 , G01M13/045 , G06F18/213 , G06N3/0464
Abstract: 本发明公开了一种强噪声条件下滚动轴承故障诊断的自适应增强包络谱方法,该方法包括:利用VMD生成一系列IMF分量,并基于IMF的包络谱归一化互信息和时域模糊熵,结合时域和频域联合选择含故障信息量最丰富的两个IMF来重构信号;通过自适应MED滤波器对重构信号进行后处理,通过基于无偏自相关分析的变步长搜索法对滤波器长度进行优化,再对重构信号进行滤波,获取最终的滤波信号;对滤波信号做包络谱分析,通过检查包络谱上的特征频率信息来诊断轴承的健康状况。本发明在强噪声条件下对滚动轴承的健康状态诊断时,能够精确地提取到相应的特征频率,从而有效识别滚动轴承的健康状态,本发明能够在强噪声条件下有效诊断滚动轴承故障。
-
公开(公告)号:CN118587158A
公开(公告)日:2024-09-03
申请号:CN202410621569.3
申请日:2024-05-20
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于改进YOLOv8的电池CT图像缺陷检测方法,该方法包括:利用CT扫描设备获取电池内部的缺陷图像,划分为训练集、验证集与测试集;通过二维Gabor滤波对电池CT图像进行特征提取与特征融合;结合双重注意力机制,采用轻量化卷积混洗模块替换普通卷积层,得到改进后的网络模型;将训练集输入网络模型进行训练,得到训练完成的目标检测模型;通过测试集对模型进行性能评估,得到电池内部缺陷检测结果。本发明通过对YOLOv8网络进行改进并结合Gabor特征提取与融合算法,能够有效提升电池内部缺陷CT图像的检测精度,减小模型参数量大小,使得模型在准确检测出电池内部缺陷的同时提高可移植性。
-
公开(公告)号:CN117349615A
公开(公告)日:2024-01-05
申请号:CN202311256031.9
申请日:2023-09-26
Applicant: 浙江大学
IPC: G06F18/20 , G01M13/045 , G06F18/213 , G06N3/0464
Abstract: 本发明公开了一种强噪声条件下滚动轴承故障诊断的自适应增强包络谱方法,该方法包括:利用VMD生成一系列IMF分量,并基于IMF的包络谱归一化互信息和时域模糊熵,结合时域和频域联合选择含故障信息量最丰富的两个IMF来重构信号;通过自适应MED滤波器对重构信号进行后处理,通过基于无偏自相关分析的变步长搜索法对滤波器长度进行优化,再对重构信号进行滤波,获取最终的滤波信号;对滤波信号做包络谱分析,通过检查包络谱上的特征频率信息来诊断轴承的健康状况。本发明在强噪声条件下对滚动轴承的健康状态诊断时,能够精确地提取到相应的特征频率,从而有效识别滚动轴承的健康状态,本发明能够在强噪声条件下有效诊断滚动轴承故障。
-
-