-
公开(公告)号：CN108828608A
公开(公告)日：2018-11-16
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2-S6的操作，并取交集作为滤除结果。
-
公开(公告)号：CN108828608B
公开(公告)日：2021-08-17
申请号：CN201810274834.X
申请日：2018-03-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 车辆检测方法中激光雷达背景数据滤除方法，涉及车辆检测领域中激光雷达数据的处理方法。解决了现有采用雷达检测车辆的技术中存在的需要采集底面数据以及由于采集数据的区域的底面物体导致无法准确检测到车辆的问题。本发明包括S0选取背景帧；S1将背景帧的数据与目标帧的数据融合；S2将背景帧点与目标帧点关联，S3根据S2中关联完成的2个背景帧点和目标帧点之间欧式距离的关系标记车辆点；S4遗漏点提取，遍历未标记的目标帧点根据点的水平角度值进一步标记车辆点；S5判断n与阈值n0之间的关系，进一步对未标记的目标帧点进行判断；S6噪声点去除；S7准确率提高，选取多个背景帧与目标帧进行S2‑S6的操作，并取交集作为滤除结果。
-
公开(公告)号：CN118468724B
公开(公告)日：2025-04-11
申请号：CN202410685948.9
申请日：2024-05-30
Applicant: 苏州大学
IPC: G06F30/27 , G06F30/17 , G06N3/094 , G06N3/045 , G06F18/241 , G06F18/214 , G06F119/04
Abstract: 本发明提供一种差异性对齐指导下域对抗网络机械设备RUL预测方法及系统，涉及机械RUL预测和机器学习技术领域，该方法包括采集来自不同工况、不同故障类型的传感器信号并处理成输入样本；构造特征提取器，域鉴别器和差异提取器；利用源域样本序列对特征提取器和域鉴别器进行预训练；将预训练的特征提取器和域鉴别器移至训练阶段，以进行鉴别源域样本和目标域样本；充分训练本方法至收敛，并利用训练良好的特征提取器和域鉴别器对测试样本进行预测，获得方法的预测性能。本发明可以实现跨工况下域不变特征提取和差异目标域剩余寿命侦测，具有极佳的跨域RUL效果。
-
公开(公告)号：CN118163834B
公开(公告)日：2025-04-04
申请号：CN202410226006.4
申请日：2024-02-29
Applicant: 苏州大学
Abstract: 本发明涉及一种轨道交通走行轨绝缘破损定位装置和方法，装置包括间隔预设距离的第一检测装置和第二检测装置，第一检测装置和第二检测装置之间存在粗定位的绝缘破损点，所述绝缘破损点位于轨道交通的第一走行轨条或第二走行轨条上，方法包括第一检测装置和第二检测装置对应的钢轨均不存在钢轨焊缝时的走行轨绝缘破损定位方法、以及第一检测装置或第二检测装置对应的钢轨存在钢轨焊缝时的走行轨绝缘破损定位方法。本发明的装置简单易用，能够对走行轨绝缘破损点进行准确定位。
-
公开(公告)号：CN116007937B
公开(公告)日：2024-09-06
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
Patent Agency Ranking
公开(公告)号：CN118228167A
公开(公告)日：2024-06-21
申请号：CN202410226005.X
申请日：2024-02-29
Applicant: 苏州大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G01R31/52 , G01R31/56
Abstract: 本发明涉及一种轨道交通走行轨接地故障诊断方法和系统，其中，方法包括：在轨道交通线路试车阶段，将线路划分为若干区段，在线路的不同区段设置接地故障；获取各个区段的若干特征量并进行数据预处理，形成源域工况数据集；在轨道交通线路运营阶段，获取各个区段的若干特征量并进行数据预处理，形成目标域工况数据集；通过所述源域工况数据集和目标域工况数据集对神经网络架构进行训练，得到训练好的神经网络架构；重新获取各个区段的若干特征量并进行数据预处理，形成待检测的数据集，通过训练好的神经网络架构对所述待检测的数据集进行故障诊断，判断接地故障所在的区段。本发明能够对走行轨的接地故障进行有效检测。
-
公开(公告)号：CN115600458B
公开(公告)日：2024-05-10
申请号：CN202211242590.X
申请日：2022-10-11
Applicant: 苏州大学
Abstract: 本发明公开了一种计及三维地系统的杂散电流动态分布计算方法，包括：对城轨列车进行列车牵引计算，得到全线列车运行图；对城轨供电系统的地下部分建立三维立体模型，并对各个区段进行等效计算，得到各个区段对应的等效阻抗和等效对地电导；根据全线列车运行图、各个区段对应的等效阻抗和等效对地电导，建立数学解析法回流系统等效模型；根据建立的数学解析法回流系统等效模型，利用迭代法进行潮流计算，得到任意时刻下列车位置及全线动态电气参数。本发明通过将计算得到的等效阻抗和等效对地电导代回传统数学解析法，对传统数学解析法中的参数进行修正，可以提高传统数学解析法回流参数计算的精确性。
-
公开(公告)号：CN117493964A
公开(公告)日：2024-02-02
申请号：CN202311507030.7
申请日：2023-11-13
Applicant: 苏州大学
IPC: G06F18/241 , G01M13/045 , G06F18/214 , G06F18/213 , G06N3/0895
Abstract: 本发明涉及一种基于半监督类别增量的轴承故障诊断方法及系统，所述方法包括：获取原始振动信号；根据所述原始振动信号生成数据流；所述数据流包括第一数据集和第二数据集；根据所述第一数据集训练半监督类别增量模型，生成初始化模型；所述初始化模型包括特征提取器和分类器；将所述第二数据集输入至所述特征提取器生成第二数据集特征矩阵；所述第二数据集特征矩阵通过半监督类别增量规则更新所述分类器，以生成第一模型和输出权重；根据所述输出权重确定轴承故障类别。通过引入半监督学习算法和增量学习策略，能够在仅使用少量标记样本的情况下，利用大量未标记样本进行模型训练。有助于提高轴承故障诊断的准确性和效率。
-
公开(公告)号：CN111274754B
公开(公告)日：2023-12-15
申请号：CN202010148818.3
申请日：2020-03-05
Applicant: 苏州大学
IPC: G06F30/367 , G06F111/10
Abstract: 本发明涉及一种轨道绝缘非均匀情况下轨道交通供电参数计算方法及系统，包括确定回流系统的划分切面，将回流系统分割为多个区段；根据不同的区段和切面建立回流系统的等效模型；将所述等效模型添加到轨道交通供电系统中形成全模型，计算所述全模型的供电参数。本发明有利于保证供电参数计算的快速性、精确性。
-
公开(公告)号：CN111651937B
公开(公告)日：2023-07-25
申请号：CN202010496380.8
申请日：2020-06-03
Applicant: 苏州大学
IPC: G06F30/27 , G06N3/0464 , G06N3/047 , G06N3/096 , G01M13/045 , G06F119/02
Abstract: 本发明涉及一种变工况下滚动轴承的故障诊断方法，其在利用卷积神经网络学习模型的基础上，结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本，利用FFT对样本进行预处理，然后利用改进的ResNet‑50提取样本的低层次特征，接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征，计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应，降低域漂移的影响，使得深度学习模型能更好地胜任变工况下的故障诊断任务。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.025 seconds)
