-
公开(公告)号：CN108414226B
公开(公告)日：2019-07-19
申请号：CN201711428476.5
申请日：2017-12-25
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 基于特征迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断领域，是针对滚动轴承尤其是变工况条件下诊断准确率低的问题而提出的。该方法利用VMD对滚动轴承各状态振动信号进行分解，得到一系列固有模态函数，对其构成的矩阵进行奇异值分解求奇异值及奇异值熵，再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法，并对其核函数进行多核构造，将不同工况样本特征共同映射到一个共享再生核Hilbert空间，进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域，将源域特征样本输入SVM进行训练，测试映射后的目标域特征样本。在变工况下滚动轴承多状态分类中具有更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108414226A
公开(公告)日：2018-08-17
申请号：CN201711428476.5
申请日：2017-12-25
Applicant: 哈尔滨理工大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 基于特征迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断领域，是针对滚动轴承尤其是变工况条件下诊断准确率低的问题而提出的。该方法利用VMD对滚动轴承各状态振动信号进行分解，得到一系列固有模态函数，对其构成的矩阵进行奇异值分解求奇异值及奇异值熵，再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法，并对其核函数进行多核构造，将不同工况样本特征共同映射到一个共享再生核Hilbert空间，进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域，将源域特征样本输入SVM进行训练，测试映射后的目标域特征样本。在变工况下滚动轴承多状态分类中具有更高的准确率。
-
公开(公告)号：CN109902393B
公开(公告)日：2022-06-14
申请号：CN201910159895.6
申请日：2019-03-01
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断技术领域，为了解决变工况下滚动轴承不同故障位置及不同性能退化程度多状态识别准确率低的问题。首先采用SDAE对滚动轴承振动信号频域幅值进行特征提取，得到振动信号深层特征，并构成源域特征样本集和目标域特征样本集。然后采用JGSA对源域特征样本与目标域特征样本进行域适应处理，达到同时减少域间特征样本的分布偏移及子空间变换差异的目的，进而缩减不同类特征样本间的域偏移。最后通过K近邻算法完成变工况下滚动轴承多状态分类。本发明与其他方法相比较，在滚动轴承变工况条件下表现出更好的特征提取能力，其样本特征可视化效果最佳，变工况下滚动轴承故障诊断准确率高。
-
公开(公告)号：CN109902393A
公开(公告)日：2019-06-18
申请号：CN201910159895.6
申请日：2019-03-01
Applicant: 哈尔滨理工大学
Abstract: 一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断技术领域，为了解决变工况下滚动轴承不同故障位置及不同性能退化程度多状态识别准确率低的问题。首先采用SDAE对滚动轴承振动信号频域幅值进行特征提取，得到振动信号深层特征，并构成源域特征样本集和目标域特征样本集。然后采用JGSA对源域特征样本与目标域特征样本进行域适应处理，达到同时减少域间特征样本的分布偏移及子空间变换差异的目的，进而缩减不同类特征样本间的域偏移。最后通过K近邻算法完成变工况下滚动轴承多状态分类。本发明与其他方法相比较，在滚动轴承变工况条件下表现出更好的特征提取能力，其样本特征可视化效果最佳，变工况下滚动轴承故障诊断准确率高。
-
公开(公告)号：CN206542422U
公开(公告)日：2017-10-03
申请号：CN201720280564.4
申请日：2017-03-21
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本实用新型提供了一种十一维三次混沌模拟电路，属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在抗破译能力差、安全性低、保密性较差等问题。该电路包括十一个通道电路：每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。该高维混沌模拟电路产生的混沌信号相对更加复杂无规律，系统电路的多个信号变量增强了混沌信号的随机性、复杂性，使系统密钥空间更大，应用于图像加密等领域，可增强系统保密性。
-
公开(公告)号：CN206542419U
公开(公告)日：2017-10-03
申请号：CN201720280558.9
申请日：2017-03-21
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本实用新型提供了一种十一维五次混沌模拟电路，属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在的低复杂度、密匙空间小、精度低等问题。该电路包括十一个通道电路：每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。该模拟电路产生的多个混沌信号非线性程度更大，时间序列更加复杂、相对无规律、更加不可预测，增强了系统抗破译能力，可应用信息安全、保密通信等领域。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
