-
公开(公告)号：CN119810952A
公开(公告)日：2025-04-11
申请号：CN202510278603.6
申请日：2025-03-10
Applicant: 西北工业大学 , 西北工业大学深圳研究院
IPC: G07C5/08 , G06N3/0442 , G06N3/0455 , G06F18/15 , G06F18/21 , G06F18/241 , G06F123/02
Abstract: 本发明公开了一种基于熵值的无人机飞行参数预测可靠性评估方法，采集在同一时间段同一飞机的多源多模态飞行数据；将采集到的数据用自编码器网络进行数据清洗以及归一化处理；将清洁数据输入到长短时记忆网络（LSTM）飞行参数预测网络中，得到预测结果矩阵；用熵值将得到的预测矩阵与降维后的原始数据进行计算进行可靠性评估；最终通过熵值计算结果得到预测结果可靠性。本发明可以给予飞行参数的预测结果一定的可靠性评估，评判预测的合理性进而对飞行参数合理调整，对不合理数据进行规避，对飞行器的健康运行具有重要意义。
-
公开(公告)号：CN113469281A
公开(公告)日：2021-10-01
申请号：CN202110830749.9
申请日：2021-07-22
Applicant: 西北工业大学
Abstract: 本发明提供一种工业齿轮箱多源信息融合故障诊断方法，提取多组正常及故障状态下的红外图像和振动信号，并进行预处理和尺度划分；打上故障对应的标签，将其构建故障数据样本集，并将其分割为训练集和测试集；通过CNN对训练集的红外图像特征提取，通过CNN‑BILSTM对训练集中的振动信号特征提取，并进行特征层融合；构建分类器，获取该批次的初始预测概率；将预测概率和标签的交叉熵作为损失函数，通过随机梯度下降优化器更新网络参数；共迭代若干次得到训练后的分类器预测概率；通过测试测试集的样本验证模型有效性。本文通过CNN网络实现对红外图像的特征提取，通过CNN与双向LSTM网络实现对振动信号的特征提取，将不同来源的特征进行融合，以提高诊断的准确性。
-
公开(公告)号：CN113865859B
公开(公告)日：2024-05-14
申请号：CN202110982910.4
申请日：2021-08-25
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06F18/25 , G06F18/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了多尺度多源异构信息融合的齿轮箱状态故障诊断方法，包括：采集齿轮箱故障时的红外图像和振动信号并预处理，采用基于高斯金字塔的的改进的多尺度分解方式，对预处理后的红外图像和振动信号进行不同尺度划分，将不同尺度的红外图像和振动信号分别转化成对应大小的灰度图后，对图像数据融合，将融合后的数据输入卷积神经网络，提取不同尺度下的齿轮箱故障特征，构建多尺度特征融合故障诊断模型，在多尺度特征融合故障诊断模型中输入齿轮箱的红外图像和振动信号，输出齿轮箱的故障类型。该方法可以并行提取原始图像变换的数据特征，通过端到端的学习方法实现对齿轮箱的多种故障模式识别。
-
公开(公告)号：CN113657537B
公开(公告)日：2024-02-02
申请号：CN202110976961.6
申请日：2021-08-24
Applicant: 西北工业大学
IPC: G06F18/2415 , G06F18/25 , G06F18/27 , G06N3/006 , G06N3/0464 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于多源信息融合的智能故障诊断方法，涉及故障诊断技术领域，诊断时先获取目标诊断部位的红外图像和振动信号，对故障诊断对象的红外图像和振动信号进行归一化处理，选取CNN网络作为深度学习的模型，分别得到基于红外图像和振动信号的诊断结果，采用粒子群PSO算法进行样本训练，将红外图像和振动信号的决策进行融合，得到准确度和可迁移度更高的模型，实现对目标的准确诊断。
-
公开(公告)号：CN110166118B
公开(公告)日：2022-04-08
申请号：CN201910454484.X
申请日：2019-05-29
Applicant: 西北工业大学
IPC: H04B10/079 , H04B10/25 , H04B10/516 , H04B10/548
Abstract: 本发明提供了一种双频段的光载射频链路系统及其传输方法，激光源的输出端与DEMZM的光输入端相连，低频射频信号输入DEMZM的上臂射频端口，高频射频信号输入DEMZM的下臂射频端口，DEMZM输出端依次连接光纤、光功分器，光功分器的两个输出端一路通过低速光电探测器后经过低频电带通滤波器恢复原始低频射频信号，另一路通过高速光电探测器后经过高频电带通滤波器恢复出原始高频射频信号。本发明将两个低频和高频射频信号，通过在单个RoF信道上复用传输，充分利用光纤的频带资源，降低系统成本。本发明结构简单，具有很强的可操作性；满足5G通信等应用的信号传输需求，节省物理链路成本，提高频带利用率。
-
Patent Agency Ranking
公开(公告)号：CN113865859A
公开(公告)日：2021-12-31
申请号：CN202110982910.4
申请日：2021-08-25
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了多尺度多源异构信息融合的齿轮箱状态故障诊断方法，包括：采集齿轮箱故障时的红外图像和振动信号并预处理，采用基于高斯金字塔的的改进的多尺度分解方式，对预处理后的红外图像和振动信号进行不同尺度划分，将不同尺度的红外图像和振动信号分别转化成对应大小的灰度图后，对图像数据融合，将融合后的数据输入卷积神经网络，提取不同尺度下的齿轮箱故障特征，构建多尺度特征融合故障诊断模型，在多尺度特征融合故障诊断模型中输入齿轮箱的红外图像和振动信号，输出齿轮箱的故障类型。该方法可以并行提取原始图像变换的数据特征，通过端到端的学习方法实现对齿轮箱的多种故障模式识别。
-
公开(公告)号：CN113469281B
公开(公告)日：2023-11-24
申请号：CN202110830749.9
申请日：2021-07-22
Applicant: 西北工业大学
IPC: G06F18/214 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 征进行融合，以提高诊断的准确性。本发明提供一种工业齿轮箱多源信息融合故障诊断方法，提取多组正常及故障状态下的红外图像和振动信号，并进行预处理和尺度划分；打上故障对应的标签，将其构建故障数据样本集，并将其分割为训练集和测试集；通过CNN对训练集的红外图像特征提取，通过CNN‑BILSTM对训练集中的振动信号特征提取，并进行特征层融合；构建分类器，获取该批次的初始预测概率；将预测概率和标签的交叉熵作为损失函数，通过随机梯度下降优化器更新网络参数；共迭代若干次得到训练后的分类器预测概率；通过测试测试集(56)对比文件Ziwang Liu 等.Infrared Image Combinedwith CNN Based Fault Diagnosis forRotating Machinery《.2017 InternationalConference on Sensing, Diagnostics,Prognostics, and Control (SDPC)》.2017,137-142.袁壮.基于深度网络的油气设备特征学习与故障识别方法研究《.中国博士学位论文全文数据库 工程科技Ⅰ辑》.2021,第2021年卷(第1期),王庆 等.基于多尺度区域卷积神经网络的露头孔洞自动提取《.现代地质》.2021,Aneesh G. Nath 等.Improved StructuralRotor Fault Diagnosis Using Multi-SensorFuzzy Recurrence Plots and ClassifierFusion《.IEEE Sensors Journal》.2021,Jinjiang Wang 等.MultilevelInformation Fusion for Induction MotorFault Diagnosis《.IEEE/ASME Transactionson Mechatronics》.2019,第24卷(第5期),
-
公开(公告)号：CN113689038B
公开(公告)日：2023-05-26
申请号：CN202110976954.6
申请日：2021-08-24
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于多传感器模糊评估的发动机气缸故障预测方法，包括：获取发动机工作时的振动信号及气缸的上止点位置信号；对振动信号进行变分模态分解，对影响变分模态分解的参数进行优化，基于优化后的影响参数对振动信号进行变分模态分解，输出最佳振动信号；确定气缸的一个工作周期；确定气缸的三个振动阶段；找出三个振动阶段中气缸缸盖振动的峰值，根据最佳振动信号计算缸盖振动的有效值；将缸盖振动的峰值，缸盖振动的有效值作为指标因素，根据指标因素对气缸的健康状态进行模糊综合评估。本方法通过避免噪声信号对振动信号的影响，进而避免影响发动机故障的结果，提高了诊断结果的准确性，能对气缸性能全面评估，实用性强，值得推广。
-
公开(公告)号：CN113689038A
公开(公告)日：2021-11-23
申请号：CN202110976954.6
申请日：2021-08-24
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于多传感器模糊评估的发动机气缸故障预测方法，包括：获取发动机工作时的振动信号及气缸的上止点位置信号；对振动信号进行变分模态分解，对影响变分模态分解的参数进行优化，基于优化后的影响参数对振动信号进行变分模态分解，输出最佳振动信号；确定气缸的一个工作周期；确定气缸的三个振动阶段；找出三个振动阶段中气缸缸盖振动的峰值，根据最佳振动信号计算缸盖振动的有效值；将缸盖振动的峰值，缸盖振动的有效值作为指标因素，根据指标因素对气缸的健康状态进行模糊综合评估。本方法通过避免噪声信号对振动信号的影响，进而避免影响发动机故障的结果，提高了诊断结果的准确性，能对气缸性能全面评估，实用性强，值得推广。
-
公开(公告)号：CN113657537A
公开(公告)日：2021-11-16
申请号：CN202110976961.6
申请日：2021-08-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多源信息融合的智能故障诊断方法，涉及故障诊断技术领域，诊断时先获取目标诊断部位的红外图像和振动信号，对故障诊断对象的红外图像和振动信号进行归一化处理，选取CNN网络作为深度学习的模型，分别得到基于红外图像和振动信号的诊断结果，采用粒子群PSO算法进行样本训练，将红外图像和振动信号的决策进行融合，得到准确度和可迁移度更高的模型，实现对目标的准确诊断。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
