-
公开(公告)号：CN119503034A
公开(公告)日：2025-02-25
申请号：CN202411642971.6
申请日：2024-11-18
Applicant: 燕山大学 , 武汉软件工程职业学院(武汉开放大学)
IPC: B62D55/065 , B62D55/075 , B25J18/00 , G01N21/88 , H04N23/20 , H04N23/56
Abstract: 本申请公开了一种检测大型钢结构表面损伤的爬行机器人，涉及智能机器人故障检测技术领域。不仅提高了大型钢结构表面损伤识别的效率，而且可以在角钢等非平面上工作，还可以在狭窄的大型钢结构表面有效避障。该机器人包括前车、后车和控制装置；前、后车之间通过机械臂连接结构连接；前车上设有摄像装置和探伤检测装置；前车和后车上均设有移动机构和传输机构；摄像装置包括工业相机和激光发射器；探伤检测装置包括激光收发装置、电信号传感器模块、图片识别模块、光电传感器和信息储存模块；工业相机和激光发射器均位于激光收发装置的上方；光电传感器与激光收发装置和电信号传感器模块均连接；工业相机与电信号传感器模块和信息储存模块均连接。
-
公开(公告)号：CN114398955A
公开(公告)日：2022-04-26
申请号：CN202111548527.4
申请日：2021-12-17
Applicant: 燕山大学
IPC: G06K9/62 , G01M13/028
Abstract: 本发明涉及大数据处理与机械故障诊断技术领域，尤其是一种基于自然近邻类的机械监测标签数据质量保障方法，基于非参数算法构造的自然近邻图，建立标签数据不同样本之间的关系，通过这种关系，搜索不同的类；计算类局部离群因子来评估不同类的异常程度，将CLOF大于预定阈值的类检测为低质量数据，对清洗后的标签数据进行自然近邻图重构，基于该自然近邻图，检测错误标记的数据，并识别未标记数据的标签，还可用于查找带有新类型的标签数据；本发明能够有效地检测不同标签数据中的低质量数据，使标签数据可以基于自然近邻自动识别和标记，进一步提高了标签数据的质量，有助于智能故障诊断建模和机械监测数据质量的提高。
-
公开(公告)号：CN106124212B
公开(公告)日：2018-09-04
申请号：CN201610424089.3
申请日：2016-06-16
Applicant: 燕山大学
Abstract: 一种基于稀疏编码器和支持向量机的滚动轴承故障诊断方法，采用基于层叠稀疏自动编码器的深度学习自主认知的方法，由简单到复杂、由低级到高级自动地提取输入数据的本质特征，自动挖掘出隐藏在已知数据中的丰富信息；采用深度学习提取特征并将两层学习到的特征综合到一起构成支持向量机的输入，通过支持向量机分类从而可以判断滚动轴承的工作状态和故障类型。本发明方法能提高故障特征提取效率和准确率。
-
公开(公告)号：CN104677580A
公开(公告)日：2015-06-03
申请号：CN201510049925.X
申请日：2015-01-30
Applicant: 燕山大学
Abstract: 本发明涉及一种基于解析模态分解的旋转机械故障诊断方法，包括以下步骤:(1)若某旋转机械中可能存在的故障特征频率为f1,f2,f3...fn，对原振动信号进行解析模态分解，提取出各个故障特征频率所在频段的信号；(2)求出所有提取出的信号的频谱，看频谱中是否有故障特征频率成分；(3)将信号频谱中有故障特征频率的保留，将频谱中不含故障特征频率的去除；(4)经解析模态分解法提取出的各个信号中含有的故障特征频率为f1,f2,f3...fm，根据所含频率成分判断该旋转机械是否存在故障以及发生故障的部位。其优点是：处理后的故障信号频谱中的频率成分更单一，故障频率的幅度也有所增加。处理中，略去了对其它不相关频率成分信号的分析处理，缩短了处理时间。
-
公开(公告)号：CN104408288A
公开(公告)日：2015-03-11
申请号：CN201410588668.2
申请日：2014-10-28
Applicant: 燕山大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于小波和参数补偿的多稳态随机共振微弱信号检测方法，包括以下步骤：对含噪微弱信号进行参数补偿，将信号，噪声以及系统参数乘以补偿参数来抵消阻尼项的影响，从而可以用于检测高频微弱信号；将补偿后信号进行多尺度小波离散变换，得到多个不同尺度频率的信号，调节各尺度信号的幅值大小并进行重构；对重构信号进行多稳随机共振处理，使得待测信号各频率段得到增强，对各频率段输出进行带通滤波再合成，得到增强后的多频微弱信号，对处理后信号进行包络解调分析，分析包络谱图，实现微弱信号的检测。本发明可以大幅度提高输出信号的能量，有利于提取淹没在强噪声背景下的多频微弱信号，检测准确率高。
-
Patent Agency Ranking
公开(公告)号：CN118312801A
公开(公告)日：2024-07-09
申请号：CN202410420044.3
申请日：2024-04-09
Applicant: 燕山大学 , 中国电力科学研究院有限公司
Abstract: 本发明提供一种风电功率曲线建模方法，包括以下步骤：步骤S10，获取风速‑功率数据并进行清洗；步骤S20，基于自然最近邻理论，构建风速‑功率数据中每个数据点间的关系，获取使得风速‑功率数据构成的数据集达到自然稳定状态下的最优k值；步骤S30，基于拟高斯核平滑函数的权重分配机制自适应地为每个数据点分配权重参数，以此进行多项式回归模型建模。本发明提出的建模方法，提高了建模效果的同时，还避免了参数增加带来的不利影响。
-
公开(公告)号：CN116304808A
公开(公告)日：2023-06-23
申请号：CN202310154845.5
申请日：2023-02-23
IPC: G06F18/24 , G01M13/021 , G01M13/028 , G01M13/045 , G06F18/10 , G06F18/213 , G06F18/2433 , G06F18/2413 , G06N3/126 , G06N10/60
Abstract: 本发明公开了一种基于分数阶随机共振的旋转机械故障诊断方法，属于机械故障诊断技术领域，所述方法包括：通过提取信号各个数据段的多维特征计算其k‑近邻距离和k‑近邻密度，构造升密度异常因子，根据3σ准则筛选并剔除异常数据段，获得已初步去除大冲击噪声的振动信号；将Caputo‑Fabrizio分数阶导数引入二阶经典双稳态随机共振模型，有效提高了系统对弱特征的放大能力；将预处理后的信号输入模型，通过频率分析方法提取故障特性以实现故障诊断，并将提取结果用信噪比进行量化。本发明较传统信号处理方法可以取得更加明显的效果，能处理被严重噪声污染的振动信号。
-
公开(公告)号：CN113111752B
公开(公告)日：2022-07-08
申请号：CN202110356774.8
申请日：2021-04-01
Applicant: 燕山大学
Abstract: 本发明涉及一种针对样本不均衡的轧机故障诊断方法，该方法搭建于轧机的领域，利用振动信号数据和增强扩展深度置信网络进行轧机的故障诊断；轧机设备诊断系统在获取各种故障状态下的振动信号数据后，然后在PC端利用快速傅里叶变换(FFT)能够实现信号时域到频域的快速变换，从而实现振动信号特征的提取，然后在利用提取的所有类别的故障振动信号训练一个增强扩展深度置信网络，用于后续轧机的故障诊断。该方法在每一个RBM的可见层单元增加了上一个RBM的可见层单元，构成了RSRBM；由RSRBM组成的RSDBN可以对遗漏的有用信息提取，在一定的程度上可以减少样本不均衡带来的诊断率过低的问题，实现高诊断率并且可以加快诊断速度。
-
公开(公告)号：CN113111752A
公开(公告)日：2021-07-13
申请号：CN202110356774.8
申请日：2021-04-01
Applicant: 燕山大学
Abstract: 本发明涉及一种针对样本不均衡的轧机故障诊断方法，该方法搭建于轧机的领域，利用振动信号数据和增强扩展深度置信网络进行轧机的故障诊断；轧机设备诊断系统在获取各种故障状态下的振动信号数据后，然后在PC端利用快速傅里叶变换(FFT)能够实现信号时域到频域的快速变换，从而实现振动信号特征的提取，然后在利用提取的所有类别的故障振动信号训练一个增强扩展深度置信网络，用于后续轧机的故障诊断。该方法在每一个RBM的可见层单元增加了上一个RBM的可见层单元，构成了RSRBM；由RSRBM组成的RSDBN可以对遗漏的有用信息提取，在一定的程度上可以减少样本不均衡带来的诊断率过低的问题，实现高诊断率并且可以加快诊断速度。
-
公开(公告)号：CN110346141B
公开(公告)日：2020-11-27
申请号：CN201910536120.6
申请日：2019-06-20
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明公开一种稀疏自编码滚动轴承故障诊断方法，其具体包括以下步骤：S1、采集滚动轴承的各故障状态下的原始振动数据，通过压缩感知分别将每种振动数据进行线性投影，并将各故障类型线性投影后的压缩信号合并成多故障类型的低维压缩信号矩阵；S2、确定多故障类型的低维压缩信号矩阵的小波包能量熵，形成轴承故障诊断的特征向量矩阵；S3、将滚动轴承的多故障类型下的特征向量矩阵输入到稀疏自动编码器中进行训练，进一步提取输入层到隐含层的权重作为特征矩阵；S4、将稀疏自动编码神经网络提取到的特征通过神经网络分类器进行分类，完成对滚动轴承的故障诊断分类。本发明降低了诊断复杂度，缩短了诊断时间，同时也保证了较高的诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.022 seconds)
