-
公开(公告)号：CN112819059B
公开(公告)日：2022-03-29
申请号：CN202110103160.9
申请日：2021-01-26
Applicant: 中国矿业大学
Abstract: 本发明提出了一种基于流行保持迁移学习的滚动轴承故障诊断方法，结合局部线性空间判识(LFDA)和迁移成分分析(TCA)，设计了保留局部流形结构的半监督迁移成分分析方法(TCAPLMS)，在减少不同域数据集之间数据分布差异的同时，获取能够保留样本标签信息和状态特征信息的局部流形结构，此外提出基于故障敏感性和特征相关性的优选特征选择方法(PSFFC)嵌入到此框架中，以减少时频统计特征参数空间的冗余信息。本发明所提出的方法可以明显提高诊断准确性，且对实际工业场景具有强适应和泛化能力。
-
公开(公告)号：CN119762956A
公开(公告)日：2025-04-04
申请号：CN202510098099.1
申请日：2025-01-22
Applicant: 徐州高新区安全应急装备产业技术研究院 , 中国矿业大学
IPC: G06V20/00 , G06V10/24 , G06V10/25 , G06V10/46 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/092
Abstract: 本发明公开一种复杂场景小目标检测装置和方法、系统、存储介质，包括：自适应增强模块，用于提高对复杂场景下不同类型目标的关键特征聚焦与提取能力，包含对低质量图像进行自适应增强预处理和增强对不同类型目标的关键特征提取；特征提取模块，用于从增强处理后的图像中自适应挖掘出表征小目标关键特征的多尺度特征图；特征融合模块，用于根据多尺度特征，将包含目标细节信息的浅层特征图和蕴含类别语义信息的深层特征图进行融合，并提高对复杂且不规则小目标特征的敏感性；预测模块，用于根据从特征融合模块获取的融合特征图进行目标分类和定位。采用本发明的技术方案，实现对小目标的高精度识别与定位的同时具备多复杂场景的自适应能力。
-
公开(公告)号：CN119740067A
公开(公告)日：2025-04-01
申请号：CN202411695275.1
申请日：2024-11-25
Applicant: 中国矿业大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/042 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于辅助生成网络和域对抗图网络的故障诊断方法，属于故障诊断技术领域，针对样本不平衡问题，提出基于ACGAN的样本生成网络ICGAN，提高生成网络对指定类别样本的生成质量；接着设计了基于全局注意力和八度卷积的故障样本时频图生成网络GAMICGAN，通过引入全局注意力机制(GAM)使得生成网络更加关注时频图中空间、通道和维度信息，进一步优化生成网络结构；最后针对变工况场景下传感数据分布差异导致的诊断模型准确率下降问题，结合图卷积网络GCN，提出了一种联合分布域对抗网络的故障域适应诊断方法GIC‑JDAGCN，结果表明，GIC‑JDAGCN在变工况应用中可以保持较高的诊断准确率，具有良好的工况场景适应能力。
-
Patent Agency Ranking
公开(公告)号：CN119669833A
公开(公告)日：2025-03-21
申请号：CN202411837191.7
申请日：2024-12-13
Applicant: 中国矿业大学
IPC: G06F18/24 , G01R31/34 , G01D21/02 , G06N3/0475 , G06N3/094 , G06F18/213 , G06N3/045 , G06N3/0464 , G06F30/23 , G06F18/25
Abstract: 本发明公开了一种经验知识和数据融合驱动的电机负荷故障诊断方法，包括：构建电流/振动信号的经验知识特征空间，获得若干仿真信号样本；将所述仿真信号样本输入改进的生成网络DDGAN进行处理，获得扩充后的仿真信号样本，将实际故障样本和所述扩充后的仿真信号样本进行联合，获得故障信号样本；构建ICNLCNDTL诊断模型，将所述故障样本信号输入至所述ICNLCNDTL诊断模型进行诊断处理，获得电流信号诊断结果和振动信号诊断结果；通过多传感信号协同融合的电机复合故障诊断模型对所述电流信号诊断结果和振动信号诊断结果进行融合，完成最终的融合判识，获得故障诊断结果。本发明进一步提高了复合故障跨域诊断性能。
-
公开(公告)号：CN117932390A
公开(公告)日：2024-04-26
申请号：CN202311450367.9
申请日：2023-11-03
Applicant: 中国矿业大学
IPC: G06F18/24 , G01M13/04 , G01M13/045 , G06F18/25 , G06F18/15 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于注意力机制与DCGAN融合的振动信号分析诊断方法，涉及故障诊断领域；首先设计一种适用于振动信号的无损、可逆的信号‑图像处理方法，将振动信号转换为振动图像；然后为了让模型更关注振动信号中的重要信息，采用混合注意力机制从通道和空间维度增强数据表现力，给予输入样本中的故障特征信息更高的权重；最后，利用注意力机制和DCGAN网络学习振动图像中的故障特征，生成具备真实故障特性的生成样本，提高深度生成对抗网络的特征提取能力，进而指导故障诊断模型训练。本发明所提出的故障诊断方法通过在MFS‑RDS数据集设计的故障诊断任务证明了本发明对不平衡数据集增广方法的可行性和有效性，在样本不平衡的情况下诊断准确率良好。
-
公开(公告)号：CN112229632B
公开(公告)日：2021-08-17
申请号：CN202010841331.3
申请日：2020-08-20
Applicant: 中国矿业大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于敏感特征迁移学习的轴承故障诊断方法，属于故障诊断技术领域，具体包含采用双树复小波包变换DTCWPT对轴承振动信号分析，构建原始特征集，其次，使用故障敏感特征选取方法FSFCC,选取敏感特集，然后，提出一种改进TCA的特征迁移学习方法MTCA，处理有标签源域数据集与无标签目标域数据集，输出低维特征集。最后构建轴承故障诊断模型OFS‑FSFCC‑MTCA‑SVM。本发明实施结果表明所提出的MTCA方法能够有效降低不同域间分布差异，增强域数据的判别性能，提高使用源域数据训练的故障诊断模型的域适应能力，使故障诊断模型在不同工况下的故障诊断能够取得理想的性能。
-
公开(公告)号：CN113159226A
公开(公告)日：2021-07-23
申请号：CN202110537216.1
申请日：2021-05-18
Applicant: 中国矿业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01R31/54 , G01R31/327
Abstract: 本发明公开了一种深度特征和统计特征融合的逆变器故障诊断方法，首先采用SE‑DenseNet方法提取逆变器三相输出电流信号的深度特征，并利用希尔伯特黄变换HHT方法提取电流信号样本的统计特征，将深度特征和统计特征进行组合；其次，利用局部Fisher判别分析算法LFDA对组合的高维特征进行降维，得到能够表达逆变器故障特征的低维特征，实现深度特征与统计特征的融合；最后，采用极限学习机ELM分类器，以低维特征为输入实现三电平逆变器故障状态识别。相比于传统的诊断方法，本发明所提出的诊断方法故障识别准确率更高，在不同工况下的故障诊断能够取得理想的性能，对实际工业场景具有更强的适应能力和泛化能力。
-
公开(公告)号：CN201946026U
公开(公告)日：2011-08-24
申请号：CN201120007050.4
申请日：2011-01-07
Applicant: 中国矿业大学物联网(感知矿山)研究中心
IPC: G06K19/077 , H04L29/06
Abstract: 本实用新型涉及一种基于WiFi通信协议的标识卡。该标识卡主要由处理控制模块、无线收发模块、天线以及电源模块组成；处理控制模块与无线收发模块电/气连接，无线收发模块与天线电/气连接，电源模块分别与处理控制模块、无线收发模块电/气连接。该标识卡具有支持802.11b/g标准，信号传输速率最大可达到11Mbit/s；独特的双向通讯功能，识别和传输距离远，在井下识别的距离最大可达到60m；该标识卡可实现无方向性识别，高抗干扰性，基本上对矿井下的各种干扰源无特殊的要求；体积小巧，功耗低，满足本质安全型设计要求。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.03 seconds)
