-
公开(公告)号：CN112577744B
公开(公告)日：2021-12-03
申请号：CN202011341214.7
申请日：2020-11-25
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SPA‑图谱与ResNet相结合的滚动轴承故障识别方法，首先利用SPA方法将原始信号分解为差异较大的趋势项与去趋势项，再将得到的趋势项与去趋势项结合原始信号项转换成彩色图谱，最后利用ResNet网络模型实现故障类型识别，在提取尽可能多的轴承故障信息下，大大减少分量项目，同时通过深度ResNet提取到深层轴承故障信息，以提升滚动轴承故障识别效率及准确率。
-
Patent Agency Ranking
公开(公告)号：CN111445084B
公开(公告)日：2022-05-10
申请号：CN202010266110.8
申请日：2020-04-07
Applicant: 西南交通大学
Abstract: 本发明公开了一种兼顾交通状况和双重时间窗的物流配送路径优化方法，物流配送路径包括从配送中心到若干中转站之间的一级配送路径以及从每个中转站到若干需求点的二级配送路径；本发明基于目前二级物流配送模式，建立交通状况条件下带双重时间窗的物流配送模型，然后利用混合烟花算法对模型进行求解，求解过程中通过插入算法生成初始种群，并通过交叉操作和爆炸操作对个体进行更新，能够在较短时间内获取优化的物流配送路径，极大提升了物流配送路径的有效性和合理性。
-
公开(公告)号：CN112179654B
公开(公告)日：2022-02-01
申请号：CN202011039284.7
申请日：2020-09-28
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GAF‑CNN‑BiGRU网络的滚动轴承故障识别方法，首先利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，然后再利用CNN‑BiGRU网络模型完成故障分类；利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，不仅保留了原始信号的完整信息，而且保留了数据对时间的依赖性；而CNN‑BiGRU网络模型中通过卷积单元实现对二维图像中空间特征的提取，进一步通过双向门控制单元筛选出其时间特征，从而提高故障分类的准确率。
-
公开(公告)号：CN112179654A
公开(公告)日：2021-01-05
申请号：CN202011039284.7
申请日：2020-09-28
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GAF‑CNN‑BiGRU网络的滚动轴承故障识别方法，首先利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，然后再利用CNN‑BiGRU网络模型完成故障分类；利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，不仅保留了原始信号的完整信息，而且保留了数据对时间的依赖性；而CNN‑BiGRU网络模型中通过卷积单元实现对二维图像中空间特征的提取，进一步通过双向门控制单元筛选出其时间特征，从而提高故障分类的准确率。
-
公开(公告)号：CN112577744A
公开(公告)日：2021-03-30
申请号：CN202011341214.7
申请日：2020-11-25
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于SPA‑图谱与ResNet相结合的滚动轴承故障识别方法，首先利用SPA方法将原始信号分解为差异较大的趋势项与去趋势项，再将得到的趋势项与去趋势项结合原始信号项转换成彩色图谱，最后利用ResNet网络模型实现故障类型识别，在提取尽可能多的轴承故障信息下，大大减少分量项目，同时通过深度ResNet提取到深层轴承故障信息，以提升滚动轴承故障识别效率及准确率。
-
公开(公告)号：CN111445084A
公开(公告)日：2020-07-24
申请号：CN202010266110.8
申请日：2020-04-07
Applicant: 西南交通大学
Abstract: 本发明公开了一种兼顾交通状况和双重时间窗的物流配送路径优化方法，物流配送路径包括从配送中心到若干中转站之间的一级配送路径以及从每个中转站到若干需求点的二级配送路径；本发明基于目前二级物流配送模式，建立交通状况条件下带双重时间窗的物流配送模型，然后利用混合烟花算法对模型进行求解，求解过程中通过插入算法生成初始种群，并通过交叉操作和爆炸操作对个体进行更新，能够在较短时间内获取优化的物流配送路径，极大提升了物流配送路径的有效性和合理性。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
