一种小样本下基于元学习的复杂工况轴承故障诊断方法

    公开(公告)号:CN112418013B

    公开(公告)日:2024-02-09

    申请号:CN202011238989.1

    申请日:2020-11-09

    Applicant: 贵州大学

    Abstract: 本发明公开了一种小样本下基于元学习的复杂工况轴承故障诊断方法,包括步骤:获取轴承在不同工况下的振动信号数据,归一化处理;利用短时傅里叶变换将振动信号转换为时频图像;时频图像按照工况类别划分为元训练集、元验证集和元测试集;构建元学习故障诊断模型;在给定工况的任务分布下,设置元学习故障诊断模型的超参数;随机采样N‑way K‑shot故障分类任务,支持子集和查询子集分别进行内外两次参数优化,完成元训练和元验证;元验证阶段选出的故障识别率最高的诊断模型,在元测试集数据上进行任务采样,通过支持子集微调模型,模型查询子集上进行性能评估。本发明实现新工况下轴承的快速、准确的故障诊断,降低模型对样本数量的依赖,提高轴承故障诊断的准确性与智能化。

    基于多源异构数据集成的工厂管理系统及方法

    公开(公告)号:CN117311299A

    公开(公告)日:2023-12-29

    申请号:CN202311608127.7

    申请日:2023-11-29

    Abstract: 本发明涉及数据处理技术领域,具体涉及了一种基于多源异构数据集成的工厂管理系统及方法。包括以下步骤:S100:实时获取工厂内多源异构数据,将多源异构数据进行预处理后分类得到生产管理数据,所述生产管理数据包括生产任务数据、生产线数据以及车间人员数据;S200:对生产管理数据变化进行监控,当获取到生产任务数据产生变化时,根据生产线数据,进行各生产线的生产任务排程;S300:所述生产任务数据包括订单的产品类型,所述生产线数据包括生产线对应生产的产品类型,根据生产线的生产任务排程、生产任务数据以及生产线数据,计算各产品类型的生产压力。能够起到决策作用,保证生产效率最大化。

    无人机故障诊断知识图谱的构建及应用方法

    公开(公告)号:CN115934956A

    公开(公告)日:2023-04-07

    申请号:CN202211350006.2

    申请日:2022-10-31

    Applicant: 贵州大学

    Abstract: 本发明涉及无人机故障诊断领域,公开了一种无人机故障诊断知识图谱的构建及应用方法;包括以下步骤:构建无人机故障异构语料库,包括获取与无人机故障相关联的原始语料,所述异构语料库支持结构化和非结构化的数据存储、集成和访问;构建本体层,包括构建本体,具体为定义实体类型、定义关系类型、和定义关系类型所属的头尾实体;在本体层的规范下在语料库中进行知识抽取并将抽取的知识进行知识融合,完成无人机故障知识图谱构建。将已有的专家知识和诊断经验整合,弥补现有诊断方法难以利用知识之间隐藏的丰富的关系问题,以便于更准确快速的对无人机故障进行诊断,提升无人机作业的可靠程度。

    一种多光束激光选区熔化加工方法及加工装置

    公开(公告)号:CN113770380A

    公开(公告)日:2021-12-10

    申请号:CN202111043712.8

    申请日:2021-09-07

    Applicant: 贵州大学

    Abstract: 本发明公开了一种多光束激光选区熔化加工方法及加工装置。该方法包括:将加工的基面划分为与激光头数量相同的扫描区域,相邻两个扫描区域包括一拼接区域;设置分割曲线将拼接区域分割为两个子区域,两个子区域分别通过不同的激光头扫描;根据待加工零件模型,对待加工零件进行分层;控制激光头分别在对应的扫描区域内逐层扫描,且相邻两层对应的分割曲线的形状不同;其中,分割曲线与拼接区域的边缘至少有一个交点。本发明通过分割曲线分割拼接区域,采用多光束激光对扫描区域逐层扫描,实现对零件在拼接区域的扫描,提高拼接区域加工的组织均匀性和力学性能。

    一种药品泡罩板堆垛装置及其使用方法

    公开(公告)号:CN111674633A

    公开(公告)日:2020-09-18

    申请号:CN202010560305.3

    申请日:2020-06-18

    Applicant: 贵州大学

    Abstract: 本发明公开了一种药品泡罩板堆垛装置及其使用方法,包括进料输送机构、无堵塞堆垛机构、柔性放料机构和堆叠输送机构,无堵塞堆垛机构安装在进料输送机构输出端,柔性放料机构安装在无堵塞堆垛机构输出端,堆叠输送机构输入端安装在柔性放料机构的输出端。本发明通过进料输送机构将泡罩板输送到储料仓顶部的进料口处,然后在无堵塞堆垛机构的挤压机构的作用下,使得泡罩板能够进入储料仓中进行累积堆叠工作;并采用无堵塞堆垛机构实现泡罩板缓慢降低高度,避免储料仓内泡罩板出现倾斜或翻板,有效解决存在的高度差导致泡罩板或堵塞储料仓的问题,实现了柔性放料,模块化的各个组件结构,便于后期维护和更换,降低设备成本。

    一种可拆卸式鹤式起重机
    16.
    发明公开

    公开(公告)号:CN110526136A

    公开(公告)日:2019-12-03

    申请号:CN201910813553.1

    申请日:2019-08-30

    Applicant: 贵州大学

    Abstract: 本发明公开了一种可拆卸式鹤式起重机,包括不锈钢管支架、不锈钢管铰接架、吊钩、钢丝绳、尼龙绳和卷绕机构,不锈钢管铰接架铰接在不锈钢管支架上,吊钩连接在钢丝绳一端,钢丝绳绕过不锈钢管铰接架上悬臂端和内部安装的定滑轮后连接到卷绕机构,卷绕机构安装在不锈钢管支架内,尼龙绳一端连接在不锈钢管铰接架上,不锈钢管铰接架与不锈钢管支架铰接处安装旋转棘轮自锁机构,尼龙绳另一端连接有拉环。本发明在原有提升机构的基础上借用鹤式起重机的原理大大提高起重机的安全性,同时提高实际使用的方便性。具有鹤式结构的特点和具有可拆卸组装的特点,解决各种复杂不方便提升重物的环境的重物提升的问题,使设备变得更稳定更易于操作,安全性大大提高。

    一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型

    公开(公告)号:CN115600093A

    公开(公告)日:2023-01-13

    申请号:CN202211084552.6

    申请日:2022-09-06

    Abstract: 本发明公开了一种多深度网络融合迁移蒸馏多工况旋转机械故障诊断模型,包括特征图转化模块、多深度网络融合迁移模块和知识蒸馏模块,特征图转化模块用于将原始信号数据和负载工况数据,分别归一化后,编码转化到图像的三个通道中;多深度网络融合迁移模块根据特征图转化模块得到的数据,采用parmeter based transfer learning的方式对多个网络同时进行迁移和训练;知识蒸馏模块用于对多深度网络融合迁移模块的模型进行压缩。本发明的多深度网络融合迁移学习多工况旋转机械故障诊断模型对WideResNet模块、ResNeSt模块和ResNet152模块进行集成,降低了模型训练所需时间。

    跨不同数据集小样本迁移学习的轴承故障诊断方法

    公开(公告)号:CN115563569A

    公开(公告)日:2023-01-03

    申请号:CN202211337071.1

    申请日:2022-10-28

    Applicant: 贵州大学

    Abstract: 本发明涉及轴承故障诊断技术领域,公开了跨不同数据集小样本迁移学习的轴承故障诊断方法,所述方法包括将故障进行分类,并将通过训练样本得到的轴承故障诊断模型按照故障种类进行分类,得到原支撑集;根据故障种类采集真实故障样本,并用真实故障样本替换原支撑集中数据,得到目标支撑集的目标故障诊断模型。用目标故障诊断模型对目标轴承进行健康状态诊断,获得轴承当前健康状态。本申请通过将故障进行分类,保证故障数据的全面性。并可通过少量的真实故障样本获得更精准的目标故障诊断模型,以此减少大量故障数据的获取过程,降低真实数据的获取难度;同时可保证数据的稳定性和有效性;从而提高诊断精准度,提升诊断结果的可靠性。

    一种无人机小样本故障诊断系统及方法

    公开(公告)号:CN115204302A

    公开(公告)日:2022-10-18

    申请号:CN202210868608.0

    申请日:2022-07-22

    Applicant: 贵州大学

    Abstract: 本发明涉及无人机故障诊断技术领域,公开了一种无人机小样本故障诊断系统及方法,按下列步骤进行:a.利用固定翼无人机飞行测试系统获取故障数据,采用“状态图”策略对多变量飞行数据依次进行重采样、归一化和训练、测试样本对构建;b.将训练故障样本对输入1D CNN‑LSTM的混合特征编码器,提取包含空间和时序信息的特征嵌入;c.利用孪生网络的权重共享机制和曼哈顿距离计算两个特征嵌入间的相似性;d.随机采样批量样本对,训练、验证模型并应用最优模型执行N‑way K‑shot测试任务实现小样本故障分类。本发明在有限训练样本下的故障诊断准确率高、跨任务泛化性强且能识别新类故障,为固定翼无人机故障诊断提供了智能解决方案。

    一种基于深度强化学习的作业车间自适应调度方法

    公开(公告)号:CN114707881A

    公开(公告)日:2022-07-05

    申请号:CN202210406935.4

    申请日:2022-04-18

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于深度强化学习的作业车间自适应调度方法,在近端策略优化算法中设计优化的动作策略和异步更新机制,形成直接高效探索和异步更新近端策略优化算法,基于直接高效探索和异步更新近端策略优化算法,将图神经网络与原始状态信息的分层非线性细化相结合,设计了一种端到端的强化学习方法,基于此,获得一个自适应调度系统。本发明的直接高效探索和异步更新近端策略优化算法具有高级鲁棒性,调度得分比近端策略优化算法提高5.6%,最小完成时间比深度Q网络算法降低8.9%。实验结果证明了所提出的自适应调度策略的有效性和通用性。

Patent Agency Ranking