一种数字化样机加载与虚拟故障维修试验方法及系统

    公开(公告)号:CN116167222A

    公开(公告)日:2023-05-26

    申请号:CN202310144447.5

    申请日:2023-02-21

    Abstract: 本发明请求保护一种数字化样机加载与虚拟故障维修试验方法及系统,本方法通过对虚拟场景进行材质属性和烘焙技术处理生成虚拟环境,基于建模规范进行产品三维模型的建立,对三维模型进行轻量化和精细化处理,通过数据处理进行数字样机模型的格式转换,将转换后的数字样机模型加载到虚拟环境中,对环境中的模型添加动力学约束和拆卸的依赖关系,通过绑定指令设备实现交互功能至用户,对产品部件的常见故障进行收集工作,对产品模型选择的故障部件进行虚拟故障注入,完成虚拟维修任务试验。本发明基于一种数字化样机加载与虚拟故障维修试验方法,克服了以往数字化样机模型加载的不足,在产品设计初期能够发现可能出现的问题,保证了产品维修的效率。

    基于多传感器信息融合和EDViT的滚动轴承故障诊断方法

    公开(公告)号:CN118898047A

    公开(公告)日:2024-11-05

    申请号:CN202410928568.3

    申请日:2024-07-11

    Abstract: 本发明请求保护一种基于多传感器信息融合和高效诊断视觉变压器(Efficient Diagnostic Vision Transformer,EDViT)网络的滚动轴承故障诊断方法,属于轴承故障诊断技术领域。针对滚动轴承故障诊断中特征提取不完整和诊断效率低的问题,提出基于多传感器信息融合和高效诊断视觉变压器的滚动轴承故障诊断方法。本发明首先采用基于峰度的加权融合方法合并传感器信息,随后使用短时傅里叶变换(Short‑Time Fourier Transform,STFT)将融合信号转换为时频图像作为EDViT网络模型的输入,然后通过EDViT的双重注意卷积模块和双分支补丁视觉变换模块依次提取局部和全局特征,最后由分类器进行故障分类。本发明提高了滚动轴承故障诊断的精度,所提模型具有很强的泛化能力。

    一种基于FPGA和量化蒸馏的图像分类异构硬件加速方法

    公开(公告)号:CN117935025A

    公开(公告)日:2024-04-26

    申请号:CN202311528315.9

    申请日:2023-11-16

    Abstract: 本发明请求保护一种基于FPGA和量化蒸馏的图像分类异构硬件加速方法,属于故障诊断领域,所述方法包括量化、知识蒸馏算法部分和硬件加速部分,整体以深度神经网络作为基础框架,通过量化蒸馏压缩模型,结合FPGA异构加速技术,通过HLS编译,软硬件协同开发IP核和堆栈开发实现算法嵌入式移植,教师网络选择GHOSTNETV2网络,通过通道剪枝和量化实现优化型轻量网络;学生网络基于深度可分离卷积,winograd加速算法和量化技术实现了轻量网络;最后引入离线蒸馏模式实现硬件友好型网络;硬件部分选择HLS实现C\RTL联合编译IP核,VITISAI堆栈开发部署到XILINX公司的MPSOC架构板卡ZYNQ。本发明不仅提高了目标分类设备的便携利用程度和效率,同时降低了成本。

Patent Agency Ranking