-
公开(公告)号：CN118467995A
公开(公告)日：2024-08-09
申请号：CN202410373237.8
申请日：2024-03-29
Applicant: 苏州大学
IPC: G06F18/213 , G01M13/021 , G01M13/028 , G01M13/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于时变卷积核的机械关键部件故障特征增强方法及系统，涉及机械设备信号处理技术领域，该方法包括基于广义解调变换将变化的时频曲线解调至固定频率处，通过引入角度参数，参数化广义解调因子；将参数化的广义解调因子嵌入CNN网络中，设计时变卷积层，实现对角度参数的自适应学习更新；使用设计好的时变卷积层代替CNN网络中的第一层卷积层，构建神经网络故障诊断模型，利用构建好的神经网络故障诊断模型对采集到的变转速信号进行处理，增强转速相关故障特征。本发明方法无需依赖先验知识，可实现故障类型的有效、准确分类。
-
公开(公告)号：CN104155709A
公开(公告)日：2014-11-19
申请号：CN201410414212.4
申请日：2014-08-21
Applicant: 苏州大学
IPC: G02B5/18
Abstract: 本发明公开了一种透射式脉冲压缩光栅器件及其制备方法，所述器件包括熔融石英基板，设置在所述熔融石英基板的一个光学表面上的透射式脉冲压缩光栅，其特征在于：在所述熔融石英基板的另一个相对的光学表面上设有高频增透光栅微结构。采用全息光刻结合离子刻蚀转移的方法实现器件的制备。本发明通过一个器件可以同时实现光束色散和增透，提高了透射式脉冲压缩光栅激光损伤阈值和光能利用率，在超强超快激光领域具有重要应用价值。
-
公开(公告)号：CN114429153B
公开(公告)日：2023-04-28
申请号：CN202111677774.4
申请日：2021-12-31
Applicant: 苏州大学
IPC: G06F18/2433 , G06F18/2415 , G06F18/241 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统，包括以下步骤：S101：采集齿轮箱振动数据构建增量健康状态数据集，划分为不同阶段的故障诊断任务；S102：利用原始ResNet‑32网络学习初始阶段的故障诊断任务，构建初始阶段诊断模型；S103：利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络，并根据新增的故障类型数量增加分类层神经元数量；S104：通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型，训练完成后，选取该阶段故障诊断任务数据的典例；S105：在后续增量阶段重复步骤S103‑S104，得到最终故障诊断模型，进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。
-
公开(公告)号：CN115773883A
公开(公告)日：2023-03-10
申请号：CN202211405383.1
申请日：2022-11-10
Applicant: 苏州大学
IPC: G01M13/045 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/082
Abstract: 本发明实施例提供了一种双生成器协同域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将源域样本图片和目标域样本图片输入模型进行训练，获得两个不同的特征生成器；将特征生成器两个生成特征，融合成新的特征；更新两个特征生成器、分类器和鉴别器的参数；将目标域数据集输入训练好模型，实现轴承故障诊断。本发明轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。
-
公开(公告)号：CN115270956A
公开(公告)日：2022-11-01
申请号：CN202210879607.6
申请日：2022-07-25
Applicant: 苏州大学
Abstract: 本发明涉及一种基于持续学习的跨设备增量轴承故障诊断方法，包括构建跨设备增量轴承健康状态数据集，按设备划分不同阶段的诊断任务；使用第一个设备的诊断任务数据构建初始诊断模型，筛选典例；基于初始诊断模型引入神经元级微调和分类器得到诊断模型；将典例与下一个设备的轴承故障诊断任务数据共同训练诊断模型，使用损失函数缩小当前阶段的诊断模型与上一阶段的诊断模型在上一阶段诊断任务数据上表现的差异，筛选典例；重复步骤S104，使用当前的诊断模型诊断所有已学习任务的轴承故障，得到轴承故障诊断结果。本发明采用持续学习方法构建一个不断积累和复用知识的诊断模型，能解决灾难性遗忘问题，以适应跨设备增量轴承故障诊断的需求。
-
Patent Agency Ranking
公开(公告)号：CN111346645A
公开(公告)日：2020-06-30
申请号：CN202010177973.8
申请日：2020-03-13
Applicant: 苏州大学
Abstract: 本发明公开了一种高分散合金纳米粒子及其制备方法与应用，采用以下步骤：将酸、醇加入到混有金属盐的还原石墨烯溶液中，得到混合液；然后将混合液超声处理后离心分离，再将沉淀烘干，得到高分散合金纳米粒子。该方法具有操作简便、合成周期短、产品质量易于控制和粒径尺寸均匀等优点。
-
公开(公告)号：CN114429153A
公开(公告)日：2022-05-03
申请号：CN202111677774.4
申请日：2021-12-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统，包括以下步骤：S101：采集齿轮箱振动数据构建增量健康状态数据集，划分为不同阶段的故障诊断任务；S102：利用原始ResNet‑32网络学习初始阶段的故障诊断任务，构建初始阶段诊断模型；S103：利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络，并根据新增的故障类型数量增加分类层神经元数量；S104：通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型，训练完成后，选取该阶段故障诊断任务数据的典例；S105：在后续增量阶段重复步骤S103‑S104，得到最终故障诊断模型，进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。
-
公开(公告)号：CN113430532B
公开(公告)日：2022-03-11
申请号：CN202110679408.6
申请日：2021-06-18
Applicant: 苏州大学
IPC: C25B1/04 , C25B11/061 , C25B11/091
Abstract: 本发明涉及一种利用离子液体电沉积制备Ni‑Mo‑P纳米合金薄膜电极的方法，该方法成功解决了传统水溶液电沉积制备镍基合金薄膜电极存在的电流效率低，废液产量高、薄膜组织粗大以及氢致缺陷高等问题。离子液体电沉积制备Ni‑Mo‑P纳米合金薄膜电极的方法包括以下步骤，将磷酸盐、柠檬酸、钼盐、镍盐分别加入氯化胆碱和乙二醇混合的离子溶剂中，得到离子镀液；以黄铜片为基板，通过恒电流法在黄铜片上电沉积制备Ni‑Mo‑P纳米合金薄膜电极，其中，磷酸盐为NaH2PO2、钼盐为(NH4)6Mo7O24、镍盐为NiCl2，镀液温度为60～80℃；电流密度为5～50mA/cm2，电沉积的时间为3～7min。本发明制备的Ni‑Mo‑P合金薄膜电极具有良好的析氢催化性能（η200=169mV,b=51.2mV/dec）。
-
公开(公告)号：CN108401831B
公开(公告)日：2020-05-05
申请号：CN201810091069.8
申请日：2018-01-30
Applicant: 苏州金螳螂园林绿化景观有限公司 , 苏州大学
Abstract: 本案涉及一种晓起皇菊的引种栽培方法，首先依据晓起皇菊的生物特性，优选出幼苗移植的最佳时机，能最大程度地减少移植对幼苗的损伤，其次根据晓起皇菊的生长发育需求，针对性地设计了晓起皇菊的移苗用营养土、种苗基肥以及叶面肥，并通过多次实验确定叶面肥的最佳施用时机；本方法对栽培引种的晓起皇菊进行叶面肥处理后，在后期生长中不用进行人工摘心处理，就足以保证高晓起皇菊的产量和开花品质，节省了人力时间，有利于大规模推广应用，进行产业化生产。
-
公开(公告)号：CN118260631A
公开(公告)日：2024-06-28
申请号：CN202410350184.8
申请日：2024-03-26
Applicant: 苏州大学
IPC: G06F18/24 , G01M13/045 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种故障轴承中故障类型监测方法和系统，涉及轴承故障诊断技术领域，该方法包括采集各种故障类型的轴承振动信号，并构建故障诊断数据集，将不同阶段的故障任务划分初始任务和增量任务，并确定初始任务和增量任务的故障类别数；构建初始故障诊断模型；基于初始故障诊断模型，对增量任务进行训练，包括模型自适应阶段训练和模型融合阶段训练，通过蒸馏损失将新模型和旧模型进行整合，得到整合后的故障诊断模型；利用整合后的故障诊断模型对待检测的故障轴承振动信号进行故障诊断，得到待检测的故障轴承振动信号的故障类型；与传统的深度学习方法相比，本发明能缓解灾难性遗忘问题，更符合工业应用的实际场景。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.027 seconds)
