-
公开(公告)号：CN110533083B
公开(公告)日：2021-11-23
申请号：CN201910735032.9
申请日：2019-08-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于SVM的Adaboost模型的铸件缺陷识别方法，旨在提高铸件裂纹缺陷识别的精度，实现步骤为：采集有裂纹缺陷和无裂纹缺陷的图像；对图像进行线性灰度变换，对线性灰度变换后的图像进行双边滤波，对双边滤波后的图像进行自适应阈值分割；提取自适应阈值分割后图像的LBP类特征、不变矩类特征和Hog类特征，并采用PCA算法对Hog类特征进行降维；采用Relief算法对提取出来的3类特征进行筛选；构建基于SVM分类器的Adaboost模型；获取测试样本集的识别结果。本发明通过对特征进行筛选，并在训练过程中使模型更加关注易分错的样本，在保证铸件裂纹缺陷识别速度的前提下提高了识别精度。
-
公开(公告)号：CN113312719A
公开(公告)日：2021-08-27
申请号：CN202110584346.0
申请日：2021-05-27
Applicant: 西安电子科技大学
IPC: G06F30/17 , G06F30/27 , G06F17/14 , G06K9/62 , G06F119/02
Abstract: 本发明提出了一种基于类别不平衡权重交叉熵的旋转机械故障诊断方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建稀疏自编码器模型；(3)对稀疏自编码器模型进行迭代训练；(4)构建旋转机械故障诊断模型；(5)对旋转机械故障诊断模型进行迭代训练；(6)获取旋转机械的故障诊断结果。本发明以类别不平衡权重交叉熵损失函数作为故障诊断模型的分类损失函数，通过类别不平衡权重消除故障类别不平衡对故障诊断模型精度的影响，提升故障诊断模型的诊断精度，实现旋转机械的故障诊断。
-
公开(公告)号：CN112765890A
公开(公告)日：2021-05-07
申请号：CN202110102285.X
申请日：2021-01-26
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于动态域适应网络的多工况旋转机械剩余寿命预测方法，其步骤为：1、生成源域样本集和目标域样本集；2、对源域样本集和目标域样本集中的振动信号进行预处理；3、生成目标域训练集和目标域测试集；4、采用反向验证技术选取源域训练集；5、构建动态域适应神经网络，其结构包括特征提取器，预测学习模块、边际分布自适应模块和条件分布自适应模块；6、对动态域适应神经网络进行训练，获取训练后的动态域适应神经网络模型；7、利用该模型对目标域测试集进行剩余寿命预测。本发明在多工况情况下提高了剩余寿命预测模型的泛化能力和预测精度。
-
公开(公告)号：CN107229800B
公开(公告)日：2019-10-25
申请号：CN201710422624.6
申请日：2017-06-07
Applicant: 西安电子科技大学
IPC: G06F17/50
Abstract: 本发明提出了一种滚柱直线导轨副精度可靠性的优化设计方法，旨在实现对滚柱直线导轨副精度可靠性的定量预测，并提高精度可靠性。实现步骤为：建立滚柱直线导轨副精度损失模型δV(S)；推导精度可靠性极限状态函数δX(X)；建立精度可靠度数学模型RFM、均值灵敏度模型和方差灵敏度模型；选取随机变量xi和随机变量xj；建立多目标稳健优化模型的尺寸约束和可靠度约束；以随机变量xi均值灵敏度最小和随机变量xj方差灵敏度最小为目标，建立滚柱直线导轨副多目标稳健优化模型F(xi,xj)；运用最短理想点法对滚柱直线导轨副多目标稳健优化模型进行寻优，得到随机变量xi和随机变量xj的最优解。
-
公开(公告)号：CN112308147B
公开(公告)日：2024-02-09
申请号：CN202011201367.1
申请日：2020-11-02
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06F18/22 , G06N3/08
Abstract: 本发明公开了一种基于多源域锚适配器集成迁移的旋转机械故障诊断方法，旨在提高模型的分类精度和泛化能力，实现步骤为：获取源域训练样本和目标域样本；从源域每类样本中随机选择锚点进行相似度计算，建立多个锚适配器矩阵；构建深度域适应网络；利用多个适配器矩阵进行网络训练获得多个分类器。本发明以置信度和准确率为评价指标对每个分类器的综合性能进行评价，通过综合性能指标排序选择性能较优的分类器进行集成，获得故障诊断的预测结果，实现变工况下旋转机械的智能诊断。
-
Patent Agency Ranking
公开(公告)号：CN109522627B
公开(公告)日：2022-12-02
申请号：CN201811296712.7
申请日：2018-11-01
Applicant: 西安电子科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于SCADA数据的机叶片结冰预测方法，用于解决现有技术中存在的预测准确率较低，且在风机叶片结冰状况不明显时无法实现预测的局限性技术问题。实现步骤为：获取归一化SCADA数据；获取影响风机叶片结冰的特征数据集；构建并训练风机叶片结冰预测模型；对训练后的风机结冰预测模型进行优化；对风机叶片是否结冰进行判断。本发明充分考虑所有采集的数据对风机叶片结冰的影响，在提升风机叶片结冰状态预测准确度的前提下，实现了对风机叶片结冰的实时预测诊断。
-
公开(公告)号：CN110561191B
公开(公告)日：2021-04-16
申请号：CN201910693058.1
申请日：2019-07-30
Applicant: 西安电子科技大学
IPC: B23Q17/09
Abstract: 本发明属于数控加工刀具磨损监测技术领域，公开了一种基于PCA与自编码器的数控机床刀具磨损数据处理方法，对数控机床上刀具传感器采集的数据进行归一化，得到具有刀具磨损量标签的训练数据和待测试数据；对所得到具有刀具磨损量标签的训练数据进行数据融合；将融合后的数据输入到堆栈自编码器进行训练，得到影响刀具磨损特征数据集；构建基于BP神经网络的刀具磨损预测模型并进行训练，对训练完成的BP神经网络模型进行预测。本发明能充分挖掘输入数据中的重要特征，将得到的数据特征输入到BP神经网络中，利用BP神经网络的拟合能力，将提取的特征映射到预测结果上，实现数控机床刀具磨损的预测，实现单个神经网络不能实现的效果。
-
公开(公告)号：CN110533083A
公开(公告)日：2019-12-03
申请号：CN201910735032.9
申请日：2019-08-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于SVM的Adaboost模型的铸件缺陷识别方法，旨在提高铸件裂纹缺陷识别的精度，实现步骤为：采集有裂纹缺陷和无裂纹缺陷的图像；对图像进行线性灰度变换，对线性灰度变换后的图像进行双边滤波，对双边滤波后的图像进行自适应阈值分割；提取自适应阈值分割后图像的LBP类特征、不变矩类特征和Hog类特征，并采用PCA算法对Hog类特征进行降维；采用Relief算法对提取出来的3类特征进行筛选；构建基于SVM分类器的Adaboost模型；获取测试样本集的识别结果。本发明通过对特征进行筛选，并在训练过程中使模型更加关注易分错的样本，在保证铸件裂纹缺陷识别速度的前提下提高了识别精度。
-
公开(公告)号：CN113312719B
公开(公告)日：2023-02-10
申请号：CN202110584346.0
申请日：2021-05-27
Applicant: 西安电子科技大学
IPC: G06F30/17 , G06F30/27 , G06F17/14 , G06F18/214 , G06F119/02
Abstract: 本发明提出了一种基于类别不平衡权重交叉熵的旋转机械故障诊断方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建稀疏自编码器模型；(3)对稀疏自编码器模型进行迭代训练；(4)构建旋转机械故障诊断模型；(5)对旋转机械故障诊断模型进行迭代训练；(6)获取旋转机械的故障诊断结果。本发明以类别不平衡权重交叉熵损失函数作为故障诊断模型的分类损失函数，通过类别不平衡权重消除故障类别不平衡对故障诊断模型精度的影响，提升故障诊断模型的诊断精度，实现旋转机械的故障诊断。
-
公开(公告)号：CN112765890B
公开(公告)日：2023-02-10
申请号：CN202110102285.X
申请日：2021-01-26
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06F18/213 , G06F18/231 , G06N3/043 , G06N3/048 , G06N3/084 , G06F119/04
Abstract: 本发明公开一种基于动态域适应网络的多工况旋转机械剩余寿命预测方法，其步骤为：1、生成源域样本集和目标域样本集；2、对源域样本集和目标域样本集中的振动信号进行预处理；3、生成目标域训练集和目标域测试集；4、采用反向验证技术选取源域训练集；5、构建动态域适应神经网络，其结构包括特征提取器，预测学习模块、边际分布自适应模块和条件分布自适应模块；6、对动态域适应神经网络进行训练，获取训练后的动态域适应神经网络模型；7、利用该模型对目标域测试集进行剩余寿命预测。本发明在多工况情况下提高了剩余寿命预测模型的泛化能力和预测精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
