多尺度一维卷积神经网络的风机基座螺栓松动诊断方法

    公开(公告)号:CN111413075A

    公开(公告)日:2020-07-14

    申请号:CN202010255381.3

    申请日:2020-04-02

    Abstract: 本发明涉及多尺度一维卷积神经网络的风机基座螺栓松动诊断方法,属于机械状态诊断技术领域。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到健康状态空间的映射,输出风机基座螺栓松动程度诊断结果。本方法将松动程度特征自动学习与松动程度诊断融为一体,实现了风机基座螺栓松动程度智能诊断。通过在稳定转速和变转速下对风机基座螺栓松动程度诊断实验,证明了所提方法的可行性和有效性。

    一种双臂式搬运机械手
    2.
    实用新型

    公开(公告)号:CN207930664U

    公开(公告)日:2018-10-02

    申请号:CN201820332265.5

    申请日:2018-03-12

    Abstract: 本实用新型公开了一种双臂式搬运机械手,包括依次连接的基座、支撑筒、定位板及机械臂,所述机械臂的数量为两个且设于定位板;所述支撑筒中设有用于驱使定位板以支撑筒的轴线为转轴进行旋转的驱动器;所述机械臂包括第一臂段、第二臂段、第三臂段及用于抓取物件的抓取装置,所述第一臂段固定连接于定位板;所述第一臂段、第二臂段、第三臂段之间通过旋转关节两两相连,所述旋转关节中设有用于驱使第一臂段、第二臂段、第三臂段转动的驱动器;所述驱动器分别连接于一控制器并由控制器控制启闭;本实用新型小具有较强负载能力,灵活多变、搬运效率高,还可使得物件在运输过程中运行平稳。

Patent Agency Ranking