-
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：CN119272030A
公开(公告)日：2025-01-07
申请号：CN202411606181.2
申请日：2024-11-12
Applicant: 燕山大学
IPC: G06F18/213 , G01M13/045 , G06N7/08 , G06N3/006
Abstract: 本发明公开了一种基于改进自适应多元变分模态分解的风电机组轴承故障特征提取方法，属于风电机组轴承故障诊断技术领域，S1使用logistic‑tent混沌映射代替传统的随机数生成方法，初始化QPSO算法中的粒子位置，确保初始化的均匀性和随机性；S2通过改进的QPSO算法自适应选择模态数K和惩罚因子，以能量误差作为适应度函数，进行参数优化，将处理后的信号利用MVMD进行分解，得到多个代表不同的频率成分的模态分量；S3计算各分量的峭度值和香农熵选取重构分量，用于后续特征提取，通过Teager能量算子分析信号的变化，并进行包络分析以提取故障频率，来识别出轴承的具体故障特征。本申请方法具有实用性和高效性。
-
公开(公告)号：CN114490603B
公开(公告)日：2024-09-24
申请号：CN202210024017.5
申请日：2022-01-11
Applicant: 燕山大学
IPC: G06F16/215 , G06F18/2433 , G06F18/10
Abstract: 本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法，属于机械故障诊断及状态监测技术领域，所述方法包括：构建局部异常因子模型，获取历史监测数据集，将历史监测数据进行多维特征属性特征提取，并形成历史监测数据LOF结果集；根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新，并通过异常阈值识别并删除异常数据，计算复杂度相比传统LOF大大降低，计算耗时更小，能够满足一般流式监测数据质量保障实时性要求。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN114462480B
公开(公告)日：2024-08-27
申请号：CN202111599158.1
申请日：2021-12-24
Applicant: 燕山大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/084 , G06Q10/20 , G01M13/045 , G06N3/048
Abstract: 本发明涉及一种基于非均衡数据集下的多源传感器轧机故障诊断的方法，对轧机的振动信号数据和声音信号数据进行融合从而实现轧机的故障诊断；该方法能够摆脱单一传感器的局限性，通过融合多传感器的数据，从而进行有用信息的互补，达到更高的诊断精度，解决非均衡数据集问题。用改进的一维卷积神经网络对轧机设备诊断系统采集的声音信号进行特征提取，利用改进的二维卷积神经网络对轧机设备诊断系统采集的振动信号的峰度图进行特征提取，最后在进行总的特征融合，该方法可以对充分信息提取，能够很好的应对轧机实际生产过程中所遇到的故障状态过少的问题，实现高诊断率以及准确率。
-
公开(公告)号：CN115320684B
公开(公告)日：2024-03-12
申请号：CN202211140716.2
申请日：2022-09-20
Applicant: 燕山大学
Abstract: 本发明公开了一种可自主上下楼的物资运输车，包括车体和设置于车体下方的行走机构，车体的侧壁嵌入滑动设置有两两相对的双面带凹槽齿条，4个所述双面带凹槽齿条的外侧均活动设置有摇杆‑连杆机构，两两相对的双面带凹槽齿条之间均分别设置有带动车体上下升降的车体升降机构，车体内部的中间位置固定设置有用于放置货物的载物台，车体前方外侧固定设置有超声波传感器，车体底部外侧的前面、中央和尾部分别设置有红外距离探测仪，所述车体内部的底部固定设置有电子组件，行走机构、摇杆‑连杆机构、车体升降机构、超声波传感器和红外距离探测仪均电性连接电子组件，本发明用于实现楼道和平地等情形下的货物的自动运输，减少人工搬运的成本。
-
公开(公告)号：CN114490603A
公开(公告)日：2022-05-13
申请号：CN202210024017.5
申请日：2022-01-11
Applicant: 燕山大学
IPC: G06F16/215 , G06K9/62
Abstract: 本发明公开了一种基于增量局部异常因子的机械流式数据清洗方法，属于机械故障诊断及状态监测技术领域，所述方法包括：构建局部异常因子模型，获取历史监测数据集，将历史监测数据进行多维特征属性特征提取，并形成历史监测数据LOF结果集；根据流式在线监测数据，基于增量流入LOF将历史监测数据LOF结果集更新为流式数据LOF结果集；根据流式数据LOF结果集，基于增量删除LOF，对流式在线监测数据进行数据清洗。本发明仅对受流入数据影响的数据对象进行变量值的查询计算和域的更新，并通过异常阈值识别并删除异常数据，计算复杂度相比传统LOF大大降低，计算耗时更小，能够满足一般流式监测数据质量保障实时性要求。
-
公开(公告)号：CN114462480A
公开(公告)日：2022-05-10
申请号：CN202111599158.1
申请日：2021-12-24
Applicant: 燕山大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/00 , G01M13/045
Abstract: 本发明涉及一种基于非均衡数据集下的多源传感器轧机故障诊断的方法，对轧机的振动信号数据和声音信号数据进行融合从而实现轧机的故障诊断；该方法能够摆脱单一传感器的局限性，通过融合多传感器的数据，从而进行有用信息的互补，达到更高的诊断精度，解决非均衡数据集问题。用改进的一维卷积神经网络对轧机设备诊断系统采集的声音信号进行特征提取，利用改进的二维卷积神经网络对轧机设备诊断系统采集的振动信号的峰度图进行特征提取，最后在进行总的特征融合，该方法可以对充分信息提取，能够很好的应对轧机实际生产过程中所遇到的故障状态过少的问题，实现高诊断率以及准确率。
-
公开(公告)号：CN114398955B
公开(公告)日：2024-08-27
申请号：CN202111548527.4
申请日：2021-12-17
Applicant: 燕山大学
IPC: G06F18/2413 , 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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.048 seconds)
