-
公开(公告)号：CN110705181A
公开(公告)日：2020-01-17
申请号：CN201910970482.6
申请日：2019-10-13
Applicant: 重庆交通大学
IPC: G06F30/27 , G06N3/04 , G06K9/62 , G06F119/04
Abstract: 本发明提供一种基于卷积长短时记忆循环神经网络的滚动轴承剩余寿命预测方法，包括：获取滚动轴承的振动加速度信号，作为数据样本；建立卷积自编码器，将数据样本作为输入，训练得到多层卷积自编码器；根据数据样本和多层卷积自编码器，获取数据样本的特征数据；利用模糊C均值算法，根据数据样本的特征数据，确定滚动轴承的健康评估指标；建立卷积长短时记忆循环神经网络模型，将衰退期轴承数据样本和对应的健康评估指标作为卷积长短时记忆循环神经网络的输入，训练得到预测模型；本发明降低了对人工经验和专业知识的依赖，有效地减少输入长短时记忆循环神经网络的数据量，简化运算，预测模型全面、有效地反应轴承的衰退状态。
-
公开(公告)号：CN109027017B
公开(公告)日：2019-12-10
申请号：CN201810930242.9
申请日：2018-08-15
Applicant: 重庆交通大学
Abstract: 本发明属于旋转机械部件磨损程度评估技术领域，具体公开了一种空间滚动轴承磨损状态评估方法，包括以下步骤：步骤一：建立空间滚动轴承动力学模型；1)空间滚动轴承的刚度与阻尼求解；2)空间滚动轴承钢球‑滚道接触副的相互作用力求解；3)空间滚动轴承的动力学建模及计算；4)求出空间滚动轴承的振动频谱；步骤二：确定振动频谱中的磨损频率；1)建立空间滚动轴承磨损模型；2)仿真分析；3)求出磨损频率；4)确定振动频谱中哪部分为磨损频率，根据振动频谱中磨损频率的幅值判断空间滚动轴承是处于哪个磨损阶段。使用本发明申请的评估方法，可对空间滚动轴承的磨损状态实现较为精准的预测。
-
公开(公告)号：CN106826830A
公开(公告)日：2017-06-13
申请号：CN201710099750.2
申请日：2017-02-23
Applicant: 重庆交通大学
Abstract: 本发明提供了一种机器人控制方法和装置，包括：利用基于中枢模式发生器的髋关节位置控制方法对机器人的髋关节神经元进行处理，得到髋关节神经元的内部状态；利用膝关节分级阻抗控制方法对所述机器人的膝关节进行处理，得到膝关节在高阻抗控制规律时的力矩和膝关节在低阻抗控制规律时的力矩；根据所述髋关节神经元的内部状态、所述膝关节在高阻抗控制规律时的力矩和所述膝关节在低阻抗控制规律时的力矩，利用髋膝关节联动控制方法对所述机器人的所述髋关节神经元和所述膝关节进行处理，得到所述机器人的膝关节力矩。本发明还公开相应的机器人控制装置。
-
公开(公告)号：CN104846989A
公开(公告)日：2015-08-19
申请号：CN201510277472.6
申请日：2015-05-27
Applicant: 重庆交通大学
Abstract: 本发明公开了一种马桶的冲洗控制方法，包括以下步骤：P1：触发设在马桶上的冲水开关；P2：设于冲水管Ⅱ中的电控阀Ⅱ开启，并且电控阀Ⅱ的开启状态维持M秒后关闭；所述冲水管Ⅱ连接于供水管网并与刷圈流道侧壁处的出水口Ⅱ连通；P3：所述电控阀Ⅱ关闭的同时设于冲水管Ⅰ中的电控阀Ⅰ开启，并且电控阀Ⅰ的开启状态维持N秒后关闭；所述冲水管Ⅰ连接于供水管网并与排污通道处的出水口Ⅰ连通；P4：所述电控阀Ⅰ关断的同时电控阀Ⅱ开启，并且电控阀Ⅱ的开启状态维持R秒后关闭；本发明能够提供较大的瞬间水压，从而具有较强的冲洗力，能够冲洗干净马桶内侧壁并较好地排走污物，同时有效地降低耗水量，提高经济性。
-
公开(公告)号：CN118941840A
公开(公告)日：2024-11-12
申请号：CN202410925308.0
申请日：2024-07-11
Applicant: 重庆交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0985 , G06V10/30 , G06V10/36 , G06V10/26
Abstract: 本发明提供的一种基于改进的EfficientNetV2模型的图像分类方法，包括以下步骤：S1.获取样本数据集；S2.构建改进的EfficientNetV2模型；S3.将样本数据集输入至改进的EfficientNetV2模型中进行训练；S4.判断改进的EfficientNetV2模型是否训练完成，如是，则进入步骤S5；如否，则调整模型参数，返回步骤S3中；S5.对待预测图像进行预处理，并将预处理后的图像输入至训练完成的改进的EfficientNetV2模型中，得到图像的分类结果。通过上述方法，能够捕捉到更加丰富的上下文信息，提高了特征表示的区分性，使模型专注于更有信息量的部分，从而提高检测精度；并且减少了参数的数量，降低了模型训练的复杂性。
-
Patent Agency Ranking
公开(公告)号：CN113223507B
公开(公告)日：2022-06-24
申请号：CN202110439720.8
申请日：2021-04-23
Applicant: 重庆交通大学
Abstract: 本发明提供的一种于双输入互干扰卷积神经网络的异常语音识别方法，包括：S1.采集语音信号，并对语音信号进行分割预处理得到语音样本；S2.构建双输入互干扰卷积神经网络，所述双输入互干扰卷积神经网络包括第一卷积单元、第二卷积单元、特征融合单元、全连接单元以及分类输出单元；所述第一卷积单元具有5层卷积核，第二卷积单元具有7层卷积核，所述第一卷积单元和第二卷积单元输入相同的语音样本，所述第一卷积单元和第二卷积单元向特征融合单元输出特征提取结果，所述特征融合单元对特征提取结果进行融合处理并输出至全连接单元分类输出单元；分类输出单元根据全连接单元输出的处理后的特征提取结果进行分类识别输出异常语音，通过本发明，能够对人体发出的语音信号中的异常语音进行准确识别，从而确保识别精度，而且灵敏度高。
-
公开(公告)号：CN114297806A
公开(公告)日：2022-04-08
申请号：CN202210006311.3
申请日：2022-01-05
Applicant: 重庆交通大学 , 重庆长江轴承股份有限公司
IPC: G06F30/17 , G06F30/20 , F16C33/30 , F16C41/00 , G06F119/04
Abstract: 本发明涉及轴承设计技术领域，具体涉及一种分动箱轴承最优配合参数设计方法；利用Romax软件中建立轴系、轴承的分布模型，输入多组转速数据和扭矩数据作为变化工况参数；通过分布模型、固定工作参数和变化工况参数进行分析测试，获得后轴承的多组寿命参数，优化分动箱轴系的受力分配；利用Romax软件分析析轴承内部滚子与滚道接触应力结果，选择轴承材料；获得前轴承和后轴承的轴承数据，根据轴承数据计算轴承内圈与分动箱轴承的最优配合量，优化分动箱轴系受力分配，避免了传统方法利用经验来确定轴承配合量所带来的问题，使轴承配合参数设计更加合理。
-
公开(公告)号：CN106826830B
公开(公告)日：2019-11-08
申请号：CN201710099750.2
申请日：2017-02-23
Applicant: 重庆交通大学
Abstract: 本发明提供了一种机器人控制方法和装置，包括：利用基于中枢模式发生器的髋关节位置控制方法对机器人的髋关节神经元进行处理，得到髋关节神经元的内部状态；利用膝关节分级阻抗控制方法对所述机器人的膝关节进行处理，得到膝关节在高阻抗控制规律时的力矩和膝关节在低阻抗控制规律时的力矩；根据所述髋关节神经元的内部状态、所述膝关节在高阻抗控制规律时的力矩和所述膝关节在低阻抗控制规律时的力矩，利用髋膝关节联动控制方法对所述机器人的所述髋关节神经元和所述膝关节进行处理，得到所述机器人的膝关节力矩。本发明还公开相应的机器人控制装置。
-
公开(公告)号：CN109614840A
公开(公告)日：2019-04-12
申请号：CN201711216221.2
申请日：2017-11-28
Applicant: 重庆交通大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , A61B5/0488 , A61B5/00
Abstract: 本发明提供的一种基于深度学习网络的早产检测方法，包括采集正常孕妇的体表子宫肌电信号并转换成数字信号；从子宫肌电数字信号中筛选出爆发波片段，对爆发波片段中分割出3000个子宫肌电信号样本，对子宫肌电信号样本进行3层离散小波分解，提取出表征子宫肌电信号样本的特征向量；构建训练集和测试集；将妊娠期样本特征向量分娩期样本特征向量进行标签设定；构建堆栈稀疏自编码深度学习网络，将训练集输入到堆栈稀疏自编码器中进行训练，提取出早产数据的高层次特征H；采集待检孕妇的体表子宫肌电信号并转换成数字信号，提取出待检孕妇子宫肌电信号样本的特征向量并输入到堆栈稀疏自编码深度学习网络中进行早产预测分析；能够准确预测早产且无创伤。
-
公开(公告)号：CN103954450A
公开(公告)日：2014-07-30
申请号：CN201410211162.X
申请日：2014-05-19
Applicant: 重庆交通大学
IPC: G01M13/04
Abstract: 本发明提出了一种基于主成分分析的滚动轴承寿命退化性能评估指标构建方法，先将每次采集到的轴承退化过程全寿命振动数据进行时域、频域和时频域特征提取，从而全面的提取轴承的退化趋势特征。再通过主成分分析算法将这些原始特征进行加权融合，实现特征约简，约简后的特征指标具有最大化的表征滚动轴承的状态信息，又有效的消除了原始多维特征信息间冗余的特点，从而有效地构建了基于特征空间加权融合的滚动轴承寿命退化性能评估指标，克服了传统的评估指标对于早期故障不敏感，普适性不强的缺点，能够较好的表征轴承的退化趋势。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.035 seconds)
