-
公开(公告)号：CN119757537A
公开(公告)日：2025-04-04
申请号：CN202411763253.4
申请日：2024-12-03
Applicant: 中煤科工西安研究院(集团)有限公司 , 西安交通大学
Abstract: 本发明提供了一种基于有限元法的矿井声发射源高精度定位方法，该方法包括以下步骤：步骤一，基于有限元法的点源弹性波传播仿真：步骤101，三维空间层状结构模型的构建；步骤102，点声源激励模型的构建；步骤103，边界条件与低反射虚拟域设置；步骤104，网格划分：步骤105，点源弹性波传播在的有限元仿真；步骤二，时差反演定位：步骤201，探头布置策略；步骤202，波形分析与时差信息计算；步骤203，声源位置的反演计算。本发明通过有限元法模拟声波在三维层状空间中的传播过程，并结合先进的探头布置和优化的定位算法，克服了传统时差定位方法对探头布置要求高、计算复杂的问题，实现了更高的定位精度和实时性，满足矿井安全监测、突水预警及岩爆预测的技术需求。
-
公开(公告)号：CN115458066A
公开(公告)日：2022-12-09
申请号：CN202211138410.3
申请日：2022-09-19
Applicant: 西安交通大学
Abstract: 石墨烯和晶须协同强韧陶瓷复合材料断裂韧性预报方法，基于晶须和石墨烯建模方法，依次在陶瓷复合材料基体中嵌入晶须和石墨烯二维结构模型，生成所需的晶须/石墨烯/陶瓷复合材料模型；构建出晶须/石墨烯/陶瓷复合材料断裂韧性预报模型；将晶须/石墨烯/陶瓷复合材料断裂韧性预报模型导入Abaqus软件中开展材料参数、边界条件配置，开展断裂韧性仿真；最后提取最大断裂载荷并根据新型断裂韧性计算方法开展晶须和石墨烯协同增韧陶瓷复合材料断裂韧性计算，完成断裂韧性的预报；本发明能够快速实现石墨烯、晶须和陶瓷基体的建模，高效准确预报石墨烯和晶须最优含量以及陶瓷复合材料的断裂韧性，形成对实验法的有效辅助。
-
公开(公告)号：CN111861272B
公开(公告)日：2022-12-09
申请号：CN202010764559.7
申请日：2020-07-31
Applicant: 西安交通大学
Abstract: 一种基于多源数据的复杂机电系统异常检测方法，首先采用去趋势互相关分析(DCCA)定量分析多维变量间的相关关系，构建以变量间耦合关系为边、监测变量为节点的复杂系统多变量耦合关系网络；在此基础上，建立基于无监督学习的变分图自编码模型，对系统多变量耦合关系网络进行特征提取，使用正常数据训练该模型，图卷积网络作为编码器学习输入数据的分布，采样获得其潜在表示以实现耦合网络的重构，通过训练样本获得重建概率阈值，采用重建概率作为系统多维多态监测数据异常检测评价指标；本发明考虑多源数据间的耦合关系，引入变分图自编码器模型，降低经验依赖性并克服异常样本少的问题，提高了系统异常检测的准确性和可靠性。
-
公开(公告)号：CN114818961A
公开(公告)日：2022-07-29
申请号：CN202210504155.3
申请日：2022-05-10
Applicant: 西安交通大学
Abstract: 本发明提供了一种滚动轴承多模态信息多级融合监测方法及系统；该方法在不改变轴承原有结构的前提下，获取轴承运行时的振动、声音、温度、转速多模态信号，并将原始信号数据输送至在上位机部署的多模态多级融合监测模型，通过对原始信号数据进行数据级融合、特征级融合以及决策级融合的多级融合，以准确地确定当前轴承工作状态；本发明实现了轴承多模态信息的采集与利用，解决仅单一振动信号监测方法对滚动轴承精度下降与微弱故障不敏感的问题，最大程度保留了用于轴承监测诊断的有用信息，因此有着更高的准确性与稳定性，克服现有多模态信息融合监测方法存在的信息未被充分利用问题，在轴承监测技术领域有着重要意义。
-
公开(公告)号：CN112712106A
公开(公告)日：2021-04-27
申请号：CN202011414594.2
申请日：2020-12-07
Applicant: 西安交通大学
Abstract: 基于多视图对抗自编码器的机械设备健康状态识别方法，首先获得机械设备的振动信号样本，并将信号通过傅里叶变换、希尔伯特变换+傅里叶变换、连续小波变换从不同的视角描述信号，经标准化处理后作为网络的输入；接着构建多视图对抗自编码器并假设特征所服从的分布，使用对抗训练的方法使特征逼近所假设的分布，从而对网络进行训练；最后利用集成学习，将训练好的多个学习器相结合，将集成后所得到的概率作为最终的预测结果；训练好的网络可实现对少量标签、低信噪比条件下的机械设备健康状态的诊断；本发明通过视图学习和集成学习的引入，解决了标签缺乏且信号噪声严重时网络特征提取能力不足的问题，提高了网络在实际工程中的适用性。
-
Patent Agency Ranking
公开(公告)号：CN112284575A
公开(公告)日：2021-01-29
申请号：CN202010983134.5
申请日：2020-09-18
Applicant: 西安交通大学
Abstract: 一种基于电涡流位移传感器的轴承载荷在线监测方法，首先加宽轴承内圈设置电涡流位移传感器，监测轴承在不同载荷及转速下径向、轴向、角向静态位移s；然后构建轴承的拟静力学模型：K(α)·s＝F；并应用有限元仿真软件分析轴承设计参数K(α)对轴承位移的影响程度，筛选出影响较大的设计参数αT；利用计算方法得到实验结果与仿真结果之间的误差，进而对误差均值较大的设计参数αT进行修正；最后应用图神经网络方法构建关联模型，利用深度学习算法辨识轴承接触状态，实现轴承运行条件下的载荷监测模型精度的在线监测和评估，以判断轴承载荷位移关系是否需要重新标定。
-
公开(公告)号：CN109946080B
公开(公告)日：2020-06-16
申请号：CN201910276661.X
申请日：2019-04-08
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 一种基于嵌入式循环网络的机械设备健康状态识别方法，首先获得机械设备的振动信号样本，并划分为若干段相邻的局部振动子信号；然后从子信号中提取时频图像，经标准化处理后作为输入；接着构建深度残差网络，并对其进行训练，从而学习到信号中的各个局部信息；最后利用迁移学习的思想，将训练好的残差网络嵌入到循环网络的输入层，并固定卷积部分使其不参加训练，再次利用原样本输入对嵌入式网络进行再训练，从而学习到相邻周期之间的信息；训练好的嵌入式循环网络可实现对机械设备健康状态的诊断；本发明通过对局部振动特性及相邻局部间的关系进行建模，弱化了信号中噪声及局部干扰对分类效果的影响，提高了网络在实际工程中的适用性。
-
公开(公告)号：CN110836749A
公开(公告)日：2020-02-25
申请号：CN201911186488.0
申请日：2019-11-28
Applicant: 西安交通大学 , 西安西电高压开关操动机构有限责任公司
Abstract: 一种液压操动机构泄漏状态远程监测系统，由多个下位机和一个上位机组成；每个下位机包括信号采集模块、无线传输模块和ARM核心模块，下位机将监测到的启停时间数据和温度数据通过无线传输模块发送到上位机，并进行本地备份保存；上位机包括服务器端程序、数据库和客户端三部分，上位机负责接收下位机数据，进行数据存储、数据分析、数据显示和诊断报警；本发明能够对液压操动机构的启停时间信息和打压频次信息进行统计分析，通过与打压持续时间、分合闸状态下打压频次和平均温度的报警值进行对比来判断是否出现泄漏，打压频次信息基于机构真实启停时间信息来获得，同时对环境温度进行采集记录，具有架构简单、实际应用方便的特点。
-
公开(公告)号：CN109883706B
公开(公告)日：2019-12-31
申请号：CN201910276672.8
申请日：2019-04-08
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种滚动轴承局部损伤微弱故障特征提取方法，使用加速度传感器采集故障滚动轴承的振动信号，使用MODWPT分解原信号至不同的节点，接下来计算各节点均方包络自相关的SK，然后选取各层中不小于最大SK一半的节点信号进行MED滤波，再依据层数叠加同层所选节点的归一化频谱信息并平均，最后合并所有层的频谱，提取滚动轴承的局部损伤故障特征；本发明给出了一种强背景噪声干扰下提取滚动轴承局部损伤故障特征的方法，为实现滚动轴承的PHM早期微弱故障特征提取提供了一种有效的诊断工具。
-
公开(公告)号：CN106769039B
公开(公告)日：2019-11-08
申请号：CN201611146107.2
申请日：2016-12-13
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 一种适用于滚动轴承旋转部件监测的安装组件，在紧靠轴承的旋转组件上内嵌传感器模块、无线通信模块和无线充电接收模块，以实现对轴承旋转部件的状态监测；传感器模块包括温度传感器、振动加速度传感器、振动位移传感器、速度传感器、力传感器，以此来监测轴承内外圈的温度、内圈的振动加速度、轴承内圈位移、转速以及轴承预紧力等；进而通过对如上物理信号分析，综合评定轴承的健康状态；整个安装组件中集成有无线供电模块和无线通信模块，在不改变轴系轴承尺寸、保证安装组件原有功能的前提下，实现了对旋转设备关键零部件的长期监测。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.055 seconds)
