-
公开(公告)号：CN118551164A
公开(公告)日：2024-08-27
申请号：CN202410800098.2
申请日：2024-06-20
Applicant: 福州大学
IPC: G06F18/10 , G01M13/045 , G06F18/213 , G06F18/214 , G06F18/24
Abstract: 本发明提出基于微调原型网络的滚动轴承少样本跨域故障诊断方法，所述诊断方法使用诊断模型，该模型的构建包括以下步骤；步骤S1：信号预处理；采集滚动轴承在不同工况下的振动信号，将获得的振动信号进行归一化处理；步骤S2：构建数据集；将数据集划分为元训练集和元测试集，并构造多个元训练任务和元测试任务；步骤S3：构建特征提取器；步骤S4：训练网络模型；通过特征提取器获得训练集的特征嵌入，构造其每一类的原型并比较查询点与类原型的距离进行分类，对原型网络进行训练和优化；步骤S5：微调模型，对参数进行进一步优化；本发明能够有效地分类不同类型的特征，具有出色的特征提取能力，能够有效提高少样本跨域故障诊断的准确率。
-
公开(公告)号：CN116502526A
公开(公告)日：2023-07-28
申请号：CN202310430096.4
申请日：2023-04-21
Applicant: 福州大学
IPC: G06F30/27 , G06F18/24 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于改进PSO‑GRNN神经网络称重传感器故障诊断方法，包括以下步骤：步骤1：采集称重传感器正常状态下的振动信号以及不同故障状态下的振动信号，形成第一数据集；步骤2：对第一数据集的数据样本进行打标签处理，形成第二数据集；步骤3：计算提取不同状态下输出振动信号的信号特征，共同作为模型的输入特征向量，形成第三数据集；步骤4：引入Lévy飞行完成对PSO算法的优化；步骤5：采用改进后的PSO算法优化GRNN神经网络的光滑因子，并构建GRNN神经网络故障诊断模型；步骤6：基于第三数据集对GRNN神经网络故障诊断模型进行训练，得到最终的GRNN神经网络故障诊断模型。本发明有效提高称重传感器故障诊断效率及可靠性。
-
公开(公告)号：CN114371008A
公开(公告)日：2022-04-19
申请号：CN202210039616.4
申请日：2022-01-13
Applicant: 福州大学
IPC: G01M13/045 , G06K9/00 , G06K9/62
Abstract: 本发明涉及一种基于VMD多域特征与MEDA的滚动轴承跨工况故障诊断方法。包括：采集滚动轴承振动信号，构造源域数据和目标域数据；使用参数优化的VMD对源域数据和目标域数据进行VMD分解，提取其奇异值特征和排列熵特征，与原始信号的时域特征组成多域特征并进行归一化；利用GFK将源域数据和目标域数据变换到流形空间，获得流形特征；利用源域数据训练一个弱分类器，使用该弱分类器得到目标域伪标签；对流形特征进行动态分布对齐，初步得到分类器f；迭代修正目标域标签，直至收敛，返回最终分类器f；将不同工况样本输入训练好的模型分类器，判断滚动轴承运行状态。本发明可以仅使用一种工况数据，进而达到诊断不同转速、不同负载下的故障数据。
-
公开(公告)号：CN112766200A
公开(公告)日：2021-05-07
申请号：CN202110106972.9
申请日：2021-01-26
Applicant: 福州大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028
Abstract: 本发明提出一种基于一维卷积神经网络的行星齿轮箱小样本故障诊断方法，主要包括数据采集、数据处理、训练模型和测试模型。考虑到目前行星齿轮箱故障依赖于信号处理或大量的数据，而生产实际中大量的数据又难以获得，故限制了现有行星齿轮箱故障诊断方法在小样本上的应用。本发明的目的是为解决现有技术中存在的不便和弊端，而提供一种可以仅使用小样本数据，并且无需任何信号处理的端到端行星齿轮箱故障诊断方法。
-
公开(公告)号：CN118418571A
公开(公告)日：2024-08-02
申请号：CN202410815257.6
申请日：2024-06-24
Applicant: 福州大学
IPC: B41F13/38
Abstract: 本发明提出一种卷对卷微接触印刷定位机构，包括安装于光学隔振平台台面处的两自由度定位平台和装有压印辊的支架；两自由度定位平台包括对称设置的两个支座结构，其用于安装印刷辊7，并对印刷辊位移、印刷辊压印力进行调节，该平台的两支座结构处设有用于驱动印刷辊竖直方向或水平方向移动的音圈电机3，平台以中心处的载物台2002固定连接印刷辊；所述载物台以周沿处均匀设置的多个柔性平行四边形机构2001形成与音圈电机连接的传动机构；传动机构的多个柔性平行四边形机构通过叠加其弹性梁并以单级串联方式组合为能提供两个方向自由度的传动结构；本发明能通过该机构的高精度定位、大行程范围、均匀的接触力等特性，实现印刷图像更高的分辨率和质量。
-
Patent Agency Ranking
公开(公告)号：CN117574673A
公开(公告)日：2024-02-20
申请号：CN202311680937.3
申请日：2023-12-08
Applicant: 福州大学
IPC: G06F30/20 , G06F8/30 , G06F113/10 , G06F119/14
Abstract: 本发明涉及一种可编程恒力超结构，由恒力超结构以3×m的方式，通过结构内的空心pin环并联穿挂于一根刚性圆杆上排列组合而成；其中，m为大于1的正整数，m为并联穿挂在刚性圆杆上恒力超结构的数量，3代表每个恒力超结构由3个恒力结构单元竖向排列组合而成。采用并联方式，降低空间占用，增加m数值可影响恒力输出需求输出恒力大小，设置刚性圆杆上的恒力超结构正向或倒向放置方向，可影响恒力超结构输出时恒力输出阶段持续位移距离。
-
公开(公告)号：CN118070146A
公开(公告)日：2024-05-24
申请号：CN202410217698.6
申请日：2024-02-28
Applicant: 福州大学
IPC: G06F18/2415 , G01M13/04 , G06F18/15 , G06F18/2131 , G06F18/214 , G06F18/2433 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/09 , G06F123/02
Abstract: 本发明提供一种基于部分迁移学习的滚动轴承故障诊断方法，包括以下步骤：步骤S1：获取滚动轴承故障数据集作为验证方法的数据；步骤S2：对获得的数据集按类别进行滑动窗口划分；步骤S3：对数据样本进行快速傅里叶变换并进行归一化处理；步骤S4：将处理完的每类数据随机按照80%和20%的比例划分为训练集与测试集；步骤S5：以不同工况表示不同领域，对目标域中的类别故障进行随机选取，以表示目标域的故障类别仅为源域的子集，设定出不同的部分故障迁移任务；步骤S6：将源域与目标域中的训练样本输入网络进行训练，并保存训练好的模型；步骤S7：将目标域测试样本输入训练好的模型，判断待测样本的类别状态。本发明方法操作简单、精度高、易于实现。
-
公开(公告)号：CN116358872A
公开(公告)日：2023-06-30
申请号：CN202310350072.8
申请日：2023-04-04
Applicant: 福州大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于深度学习的轴承剩余寿命预测方法，搭建轴承加速寿命测试平台，使用加速度传感器采集从设备开始运行到故障停止整个过程轴承水平与垂直方向振动信号；将采集到的信号进行健康阶段划分；将轴承衰退阶段振动信号根据时间步长划分成若干个振动信号序列；将划分后衰退阶段振动信号序列中各样本映射到时频域中获取时频图序列；将处理完成同种工况下运行的N个轴承数据中随机抽取N‑1个轴承数据作为训练集，剩余的1个轴承数据作为测试集；将训练样本输入网络进行训练，确定网络超参数，并保存训练好的模型；将测试样本输入训练好的模型，预测样本剩余寿命。克服噪声信号干扰，判断当前轴承所处运行状态阶段且准确预测轴承剩余使用寿命。
-
公开(公告)号：CN118729989A
公开(公告)日：2024-10-01
申请号：CN202410878840.1
申请日：2024-07-02
Applicant: 福州大学
IPC: G01B11/25
Abstract: 本发明涉及一种基于干涉条纹的柱透镜形貌测量装置及方法，该装置包括激光光源、50/50分光镜、金属反射镜、面阵相机和图像处理系统；所述激光光源用于发射光束，以在相机成像面上产生干涉条纹；所述50/50分光镜用于将光束分为一束参考光和一束物光；所述金属反射镜用于反射50/50分光镜分出的光束，使光束再次通过50/50分光镜从而产生干涉条纹；所述面阵相机的成像面紧贴待测柱透镜的平面，用于接收经过柱透镜的干涉条纹，并将干涉条纹信息传输至图像处理系统中；所述图像处理系统用于处理接收的干涉条纹信息，并计算出待测柱透镜的表面形貌。该装置及方法结构简单，易于实现，测量准确率高，实现成本低。
-
公开(公告)号：CN114371008B
公开(公告)日：2023-12-29
申请号：CN202210039616.4
申请日：2022-01-13
Applicant: 福州大学
IPC: G01M13/045 , G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25
Abstract: 本发明涉及一种基于VMD多域特征与MEDA的滚动轴承跨工况故障诊断方法。包括：采集滚动轴承振动信号，构造源域数据和目标域数据；使用参数优化的VMD对源域数据和目标域数据进行VMD分解，提取其奇异值特征和排列熵特征，与原始信号的时域特征组成多域特征并进行归一化；利用GFK将源域数据和目标域数据变换到流形空间，获得流形特征；利用源域数据训练一个弱分类器，使用该弱分类器得到目标域伪标签；对流形特征进行动态分布对齐，初步得到分类器f；迭代修正目标域标签，直至收敛，返回最终分类器f；将不同工况样本输入训练好的模型分类器，判断滚动轴承运行状态。本发明可以仅使用一种工况数据，进而达到诊断不同转速、不同负载下的(56)对比文件Lei Z等.An intelligent faultdiagnosis method based on domainadaptation and its application forbearings under polytropic workingconditions《.IEEE Transactions onInstrumentation and Measurement》.2020,第70卷第1-14页.
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
