-
公开(公告)号：CN114700988A
公开(公告)日：2022-07-05
申请号：CN202210499683.4
申请日：2022-05-09
Applicant: 西安交通大学
IPC: B25J19/00
Abstract: 面向工业机器人机械传动部件健康监测的关节动作划分方法，首先获取特定作业任务的工业机器人每种关节动作的运行时长；然后通过多物理源信号联动获取每个关节动作对应的信号区间，具体是获取外加振动、电流等多物理源信号，为减少计算量和增强关节动作变换带来的跳变效应，对采集的振动信号进行降采样，基于降采样信号利用跳变点识别算法获取跳变点集合，基于关节电流信号是否存在和采集的振动信号趋势特征对跳变点集合进行筛选以获取起始点，结合关节动作运行时长定位每次采样时长内每种关节动作运行时段；最后针对每种关节动作所对应的振动信号计算其退化指标，以实现多关节动作机器人的健康监测，本发明改善了机器人健康监测的精确性和可靠性。
-
公开(公告)号：CN114235409A
公开(公告)日：2022-03-25
申请号：CN202111551544.3
申请日：2021-12-17
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种轻量化通信的滚动轴承多用户协同智能故障诊断方法，先利用公共滚动轴承振动信号和私有滚动轴承振动信号对客户端的本地初始深度卷积诊断模型进行预训练，得到本地过渡深度卷积诊断模型；再将公共滚动轴承振动信号输入至本地过渡深度卷积诊断模型中得到性能分数向量；然后将性能分数向量上传至中央服务器，得到平均性能分数向量并下载至各客户端；再对本地过渡深度卷积诊断模型进行优化；重复性能分数向量计算及优化过程，得到各客户端本地最终深度卷积诊断模型；最后以健康状态未知的滚动轴承振动信号样本为输入，利用本地最终深度卷积诊断模型输出诊断结果，实现滚动轴承健康状态的智能定制化识别；本发明实现了准确、高效的故障诊断。
-
公开(公告)号：CN113591625A
公开(公告)日：2021-11-02
申请号：CN202110804219.7
申请日：2021-07-16
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028
Abstract: 一种不平衡样本重要性加权的齿轮箱故障诊断方法，首先获取齿轮箱在不同健康状态下的振动信号；其次构建特征提取模块自动获取监测样本的深层故障特征；再次构建加权分类模块，在分类时引入自适应权重对各类样本赋予不同的惩罚因子；最后利用构建考虑样本重要性损失函数以及自适应权重损失函数，交替优化特征提取模块参数与自适应权重；本发明所得智能诊断模型由特征提取模块和加权分类模块构成，考虑到了样本重要性，能够有效克服训练样本不平衡对诊断的不利影响，可以直接利用齿轮箱原始振动信号完成健康状态的识别，实现了不平衡训练数据集情境下齿轮箱的健康状态智能诊断。
-
公开(公告)号：CN113435375A
公开(公告)日：2021-09-24
申请号：CN202110759629.4
申请日：2021-07-05
Applicant: 西安交通大学
Abstract: 一种滚动轴承诊断知识的跨设备可迁移性度量方法，先获取源轴承与目标轴承的振动信号，利用含健康标签的源轴承振动信号训练领域共享深度残差网络，提取源轴承与目标轴承振动信号的故障特征；再利用目标轴承振动信号的故障特征拟合高斯混合模型，生成样本故障特征的健康簇标签；然后利用少量含健康标签的目标轴承振动信号求解健康簇标签‑伪健康标签转换矩阵，并将目标轴承振动信号的健康簇标签转换为伪健康标签；最后计算含健康标签的源轴承振动信号与含伪健康标签的目标轴承振动信号的故障特征间的最优传输差异，并以此作为源轴承诊断知识作用于目标轴承时的跨设备可迁移性度量值；本发明提高滚动轴承诊断知识的跨设备可迁移性度量的准确性。
-
公开(公告)号：CN110285969B
公开(公告)日：2020-05-26
申请号：CN201910619506.3
申请日：2019-07-10
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/10 , G06F17/18
Abstract: 多项式核植入特征分布适配的滚动轴承故障迁移诊断方法，首先获得源域滚动轴承含健康标记数据集与目标域滚动轴承的监测数据集，输入到深度残差网络后，逐层提取源域与目标域迁移故障特征；通过多项式核植入特征适配最小化分布差异；将目标域故障特征通过Softmax分类器，获得目标域样本特定健康状态的概率分布，然后将概率分布转换为目标域样本的伪标记；通过获得的分布差异与目标域伪标记训练迁移诊断模型后，将目标域轴承的监测数据输入训练完成的诊断模型，输出数据样本对应的标签概率分布，则最大概率所对应的样本标签即为滚动轴承的健康状态；本发明提高迁移诊断模型的性能和训练效率，降低调参难度。
-
Patent Agency Ranking
公开(公告)号：CN119982866A
公开(公告)日：2025-05-13
申请号：CN202510298855.5
申请日：2025-03-13
Applicant: 西安交通大学
IPC: F16H49/00
Abstract: 一种抑制轴向力引起运动趋势的谐波减速器，包括输入轴，输入轴端头和波发生器连接，输入轴中部外侧通过第一交叉滚子轴承与第一固定法兰连接，第一固定法兰与刚轮一端面连接，刚轮另一端面和第二固定法兰连接，第二固定法兰通过第二交叉滚子轴承和输出轴连接，输出轴端头和柔轮连接，柔轮外侧与刚轮啮合，内侧与波发生器接触；本发明增加交叉滚子轴承的轴向定位装置，实现非支撑结构相对于固定支撑结构轴向位置的固定，从而有效抑制轴向力引起的运动趋势，不仅能够抑制谐波齿轮减速器产生的轴向力，还能显著延长电机和减速器的使用寿命。
-
公开(公告)号：CN119808575A
公开(公告)日：2025-04-11
申请号：CN202411938811.6
申请日：2024-12-26
Applicant: 西安交通大学 , 中国人民解放军火箭军工程大学
IPC: G06F30/27 , G01M13/045 , G06F18/24 , G06F18/213 , G06F17/18 , G06F17/16 , G06F17/11 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 一种机械设备集群的滚动轴承数据重心桥接智能诊断方法，首先，收集各源域机械设备滚动轴承数据的分布参数，并计算出动态重心，作为多源域机械设备滚动轴承数据和目标域机械设备滚动轴承数据的中间桥接分布；然后，将重心分布广播到各个节点，用于调整各源域机械设备滚动轴承数据的诊断模型，通过最优传输理论设计适应路径，将目标域机械设备滚动轴承数据的无标签样本对齐到动态分布重心，并同时保持边缘分布和条件分布的统一；最后，通过源域机械设备滚动轴承数据和目标域机械设备滚动轴承数据之间的协同训练，获得具备高跨域泛化能力的诊断模型；本发明降低了数据传输需求，增强了隐私保护，提高了故障诊断模型在目标域上的准确性和鲁棒性。
-
公开(公告)号：CN119720094A
公开(公告)日：2025-03-28
申请号：CN202411841124.2
申请日：2024-12-13
Applicant: 西安交通大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 一种多源并行双线性共注意力融合机械装备寿命预测方法，首先对每种类型的监控信号进行预处理；接着将预处理后的数据输入到子网中，进行深入的特征提取，得到高维多源特定特征；然后经多源特征融合模块将高维多源特定特征整合起来，通过一个回归预测推理模块，得到最终预测的RUL预测结果；本发明通过并行子网处理多源数据的异构性，采用多小波核聚合结构和全维度动态结构增强特征提取，并通过因子化双线性池化注意力模块有效融合多源数据特征；不仅增强了模型对多源数据的综合处理能力，而且提高了RUL预测的精确度和可靠性。
-
公开(公告)号：CN118832586A
公开(公告)日：2024-10-25
申请号：CN202411057473.5
申请日：2024-08-02
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 一种适用于串联工业机器人的同步状态监测方法，先采集工业机器人内置传感器信号，选择关节指令位置信号，截取关节运动区间；再对指令位置信号做差分并进行布尔运算，判断是关节运动区间还是关节静止区间；然后获取关节运动区间的电流信号，选择某一时间段的电流信号作为基准，提取特征指标；将特征指标和初始阈值对比，判断关节状态异常，实现串联工业机器人的同步状态监测；本发明通过同步分析多个关节的内置传感器信号，简化了状态监测的复杂性和时间成本，避免了传感器信号时间不同步的问题，从而提高了监测的准确性和可靠性。
-
公开(公告)号：CN113340598B
公开(公告)日：2024-05-28
申请号：CN202110610963.3
申请日：2021-06-01
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/16 , G06F17/15 , G06F30/20
Abstract: 一种基于正则化稀疏模型的滚动轴承智能故障诊断方法，先计算滚动轴承前N组正常状态下振动信号的包络谱，自滚动轴承故障起始时刻后实时采集振动信号并计算包络谱；再构建并求解最小绝对收缩和选择算子LASSO回归模型，求解故障敏感频率；然后基于滚动轴承故障诊断理论知识获得故障类型诊断结果，最后融合多通道信息获得最终故障类型诊断结果；本发明克服了一般智能诊断方法可解释性差、模型可移植性差及样本需求量大的缺陷，提高了故障诊断的可靠性和准确率。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.025 seconds)
