-
公开(公告)号：CN110837000B
公开(公告)日：2020-12-01
申请号：CN201911053170.5
申请日：2019-10-31
Applicant: 电子科技大学
IPC: G01R23/10
Abstract: 本发明公开了一种基于FPGA的频率测量系统，输入信号经比较器模块后得到与输入信号同频同相的矩形波信号，ADC模块对输入信号进行采集后采用FFT分析法初步确定输入信号的频率，参考时钟选择模块用于根据初步确定的频率选择一个参考时钟clk_fre作为滤毛刺模块中滤除毛刺成分的时钟源，滤毛刺模块对矩形波信号中的毛刺进行滤除，频率测量模块基于测频法或测周法对滤除后的信号进行测量得到脉冲计数结果，上位机基于脉冲计数结果计算得到输入信号的频率测量结果。本发明首先通过FFT分析法粗略计算出输入信号的基波频率，经过滤除毛刺后通过测频法或测周法精确测量出信号的频率，从而在信号中存在谐波成分时对基波频率进行准确测量。
-
Patent Agency Ranking
公开(公告)号：CN114548153B
公开(公告)日：2023-06-02
申请号：CN202210072530.1
申请日：2022-01-21
Applicant: 电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06T3/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06F18/10
Abstract: 本发明公开了一种基于残差‑胶囊网络的行星齿轮箱故障诊断方法，首先在行星齿轮箱的正常状态下和故障状态下采集时域振动信号，变换得到原始时频图像后进行缩放得到时频图像，并设置时频图像的标签，得到训练样本；构建包括卷积模块、残差模块、注意力模块和胶囊模块的残差‑胶囊网络，采用训练样本对残差‑胶囊网络进行训练，当需要对行星齿轮箱进行故障诊断时，采集时域振动信号并变换得到时频图像，将其输入训练好的残差‑胶囊网络得到故障诊断结果。本发明可以提高行星齿轮箱故障诊断性能。
-
公开(公告)号：CN113609770B
公开(公告)日：2023-06-02
申请号：CN202110900150.8
申请日：2021-08-06
Applicant: 电子科技大学
IPC: G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F18/23 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于分段线性拟合HI及LSTM的滚动轴承RUL预测方法，获取预设工况下若干滚动轴承的HI曲线并获取剩余寿命序列，基于聚类评价指标和拟合评价指标筛选出每个滚动轴承采用BUP时间序列分割算法进行分段的最优分段数，对HI曲线进行分段并提取出退化期HI曲线以及退化期剩余寿命序列，进行归一化得到归一化退化期HI曲线和归一化退化期剩余寿命序列，采用长短时记忆网络作为RUL预测模型，将归一化退化期HI曲线作为输入，将归一化退化期剩余寿命序列作为标签，对RUL预测模型进行训练，对于预设工况下的某个滚动轴承，采用相同方法得到归一化退化期HI曲线，将其输入RUL预测模型得到预测的剩余寿命序列。本发明可以有效提高RUL的预测准确率和稳健性。
-
公开(公告)号：CN114548153A
公开(公告)日：2022-05-27
申请号：CN202210072530.1
申请日：2022-01-21
Applicant: 电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06T3/40 , G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于残差‑胶囊网络的行星齿轮箱故障诊断方法，首先在行星齿轮箱的正常状态下和故障状态下采集时域振动信号，变换得到原始时频图像后进行缩放得到时频图像，并设置时频图像的标签，得到训练样本；构建包括卷积模块、残差模块、注意力模块和胶囊模块的残差‑胶囊网络，采用训练样本对残差‑胶囊网络进行训练，当需要对行星齿轮箱进行故障诊断时，采集时域振动信号并变换得到时频图像，将其输入训练好的残差‑胶囊网络得到故障诊断结果。本发明可以提高行星齿轮箱故障诊断性能。
-
公开(公告)号：CN113609770A
公开(公告)日：2021-11-05
申请号：CN202110900150.8
申请日：2021-08-06
Applicant: 电子科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06K9/62 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于分段线性拟合HI及LSTM的滚动轴承RUL预测方法，获取预设工况下若干滚动轴承的HI曲线并获取剩余寿命序列，基于聚类评价指标和拟合评价指标筛选出每个滚动轴承采用BUP时间序列分割算法进行分段的最优分段数，对HI曲线进行分段并提取出退化期HI曲线以及退化期剩余寿命序列，进行归一化得到归一化退化期HI曲线和归一化退化期剩余寿命序列，采用长短时记忆网络作为RUL预测模型，将归一化退化期HI曲线作为输入，将归一化退化期剩余寿命序列作为标签，对RUL预测模型进行训练，对于预设工况下的某个滚动轴承，采用相同方法得到归一化退化期HI曲线，将其输入RUL预测模型得到预测的剩余寿命序列。本发明可以有效提高RUL的预测准确率和稳健性。
-
公开(公告)号：CN110837000A
公开(公告)日：2020-02-25
申请号：CN201911053170.5
申请日：2019-10-31
Applicant: 电子科技大学
IPC: G01R23/10
Abstract: 本发明公开了一种基于FPGA的频率测量系统，输入信号经比较器模块后得到与输入信号同频同相的矩形波信号，ADC模块对输入信号进行采集后采用FFT分析法初步确定输入信号的频率，参考时钟选择模块用于根据初步确定的频率选择一个参考时钟clk_fre作为滤毛刺模块中滤除毛刺成分的时钟源，滤毛刺模块对矩形波信号中的毛刺进行滤除，频率测量模块基于测频法或测周法对滤除后的信号进行测量得到脉冲计数结果，上位机基于脉冲计数结果计算得到输入信号的频率测量结果。本发明首先通过FFT分析法粗略计算出输入信号的基波频率，经过滤除毛刺后通过测频法或测周法精确测量出信号的频率，从而在信号中存在谐波成分时对基波频率进行准确测量。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
