-
公开(公告)号：CN103266915A
公开(公告)日：2013-08-28
申请号：CN201310219606.X
申请日：2013-06-05
Applicant: 桂林电子科技大学
IPC: E21F16/00
Abstract: 本发明的基于物联网的矿井自动化排水系统，包括感知层、网络层和应用层，在感知层设置液位传感器、电机电流传感器和电机绕组温度传感器、水泵轴温传感器、水泵出口压力传感器、流量传感器、阀门开度传感器以及真空传感器，所有的传感器与A/D采集模块相连后与PLC主控制器相连，与PLC主控制器相连的I/O模块分别连接控制按钮、电磁阀、电动闸阀、电磁驱动器、高压电抗器和状态指示灯。该排水系统克服了现有技术功能单一，不能远程实时监控，数据管理不规范，不能进行大范围组网与集中控制的缺陷，对矿井排水系统的水纹信息、设备信息、环境信息等主要环节实行物联网式的集中监控。个人用户可利用PC机通过Internet或者利用手机、PDA等无线终端访问集中控制中心的服务器，实现远程监控。
-
公开(公告)号：CN102909909A
公开(公告)日：2013-02-06
申请号：CN201210421767.2
申请日：2012-10-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种在不锈钢基材表面上采用磁控溅射法渗镀一层含铜、铈的抗菌薄膜，其制备方法，包括靶材选取、衬底处理、轰击预热和溅射成膜等步骤。与现有技术相比，本发明通过磁控溅射实现在不锈钢表面制备含铜铈薄膜的目的，改变工艺条件可获得厚度1~50μm的薄膜，并且薄膜致密性好，厚度可控，抗菌性良好。本发明生产工艺简单，溅射温度低，抗菌元素用量少，几乎不会降低不锈钢原有的机械性能。
-
公开(公告)号：CN115406656B
公开(公告)日：2024-08-02
申请号：CN202211042702.7
申请日：2022-08-29
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06F30/27 , G06F30/17 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及智能诊断技术领域，提供一种轴承锈蚀智能诊断方法，该方法通过采集滚动轴承在正常、轻微锈蚀、重度锈蚀三种状态下的原始振动数据；按初始设定的比例截断，得到训练集和测试集，灰度化处理后，构建基于ECA‑Net与EfficientNet的轴承锈蚀智能诊断模型，输入模型中进行训练，损失函数优化神经网络中参数的权重和偏置；判断迭代次数是否达到初始设定的值，得到最优模型，能够通过对网络深度、网络宽度以及输入分辨率这三个维度进行有效缩放，得到更好的智能诊断模型；提高轴承锈蚀智能诊断模型的性能，将该方法和系统用于诊断轴承的锈蚀故障，能够实现对轴承健康状态及锈蚀严重程度进行准确评估，提高智能化和准确率。
-
公开(公告)号：CN115406655B
公开(公告)日：2024-08-02
申请号：CN202211042367.0
申请日：2022-08-29
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06F30/27 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及智能诊断技术领域，提供一种轴承智能故障诊断模型建立方法，根据比例值将原始信号数据截断为训练集数据和测试集数据；按照初始设定的单个样本的采样点数SL，在截断后的振动数据初始位置处截取第一个样本，从初始位置处确定移动一个采样偏移量SO，并截取下一个样本，生成训练集和测试集；将处理后训练集样本输入神经网络模型中进行训练，通过损失函数优化神经网络中参数的权重和偏置，不仅能够在轴承智能故障诊断模型建立时，通过将轴承振动的原始信号数据通过截断成两部分独立的数据，能够完全避免训练集和测试集数据交叉造成的数据泄露；实现同时对轴承故障类型及故障严重程度的判断和输出，准确率高，效率高。
-
公开(公告)号：CN113838208B
公开(公告)日：2024-02-02
申请号：CN202111025437.7
申请日：2021-09-02
Applicant: 桂林电子科技大学
IPC: G06T17/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于改进残差收缩网络的带钢缺陷检测方法，通过增广数据集提高网络训练的准确度，构建残差收缩网络模型，再将新的激活函数LeakyReLU和Adamax优化器替换原残差收缩网络的激活函数和优化器，并且应用于带钢的缺陷检测中，训练完成后以准确度判断检测结果，如未达到预设值则重新训练至预设目标才保存网络输出结果，所述基于改进残差收缩网络的带钢缺陷检测方法有效剔除了网络训练特征学习带来的冗余信息，提升残差收缩网络的性能，解决了现有技术中带钢识别方法准确率不高的问题。(56)对比文件Yong Tian等.Feature fusion-basedpreprocessing for steel plate surfacedefect recognition.Math Biosci Eng .2020,5672-5685.
-
Patent Agency Ranking
公开(公告)号：CN113139251B
公开(公告)日：2023-03-14
申请号：CN202110440436.2
申请日：2021-04-23
Applicant: 桂林电子科技大学
IPC: G06F30/17 , G06F30/27 , G06F17/16 , G06F111/06 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种优化主题相关性分析的变工况滚动轴承故障诊断方法，所述方法为：首先通过小波变换对源领域与目标领域滚动轴承振动信号进行特征提取，并构建特征向量组成故障样本集；再通过调整果蝇优化算法中味道浓度判定值的取值并采用多种群的策略，实现对TCA算法中取值范围有限制的主要参数总主题数与共有主题比例的寻优；最后构建改进的多种群果蝇优化算法优化主题相关性分析IFOA‑TCA的故障识别模型，实现其他工况下滚动轴承振动数据对故障识别器的训练以及训练后故障识别器对目标滚动轴承的故障识别。这种方法在各种工况条件下均能取得较好的故障诊断结果，具有较好的工程价值和应用前景。
-
公开(公告)号：CN109933922A
公开(公告)日：2019-06-25
申请号：CN201910206309.9
申请日：2019-03-19
Applicant: 桂林电子科技大学
Abstract: 本发明为一种矩形金属薄板直线穿透裂纹的识别方法，应用于机械装备系统的金属薄板裂纹损伤识别，本方法首先用传感器测量待测裂纹金属板受力后的侧边上某些点的位移信息，根据实测板的实际尺寸建立仿真板坐标系，并用拉丁超立方采样法生成近似模型位置值；然后用水平集法确定仿真板等参单元的类型，并用扩展有限元法修改不同等参单元的加强函数以计算仿真板的不同等参单元的位移模式。接着依次计算各位置值对应点的位移，并以此为基础建立径向基近似模型(RBF)。最后根据实测板受力后的位移信息使用粒子群算法在近似模型中识别实测板裂纹的首尾坐标。本发明所用近似模型，降低了仿真问题中的计算量，减少计算成本，耗时短结果精确。
-
公开(公告)号：CN109596349A
公开(公告)日：2019-04-09
申请号：CN201811488155.9
申请日：2018-12-06
Applicant: 桂林电子科技大学
IPC: G01M13/028
Abstract: 本发明公开一种基于VMD和PCT的减速器故障诊断方法，选择VMD(经验模态分解)算法得到的特征最明显的模态分量作为PCT(多项式调频小波变换)的输入，分别得到齿轮时频图和轴承时频图；由齿轮时频图上的故障频率和循环周期判断出故障齿轮的位置，用于齿轮故障源的定位；同时以明显周期性时频带的条数为依据，给出齿轮故障严重程度的判定结果；由轴承时频图上的循环周期确定出轴承故障的类型；通过齿轮诊断和轴承诊断相结合，提高诊断效率和增加识别精度，实现了减速器的完整诊断。
-
公开(公告)号：CN109520738A
公开(公告)日：2019-03-26
申请号：CN201811250171.4
申请日：2018-10-25
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06F17/14
Abstract: 本发明公开一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，从宏观上采集轴承在整个变转速运行过程中的变转速信号，并对其采用阶次谱的方法初步确定故障的有无及可能存在的故障类型；再从微观上截取采集轴承在整个变转速运行过程中的某一段恒定转速信号，并对其采用包络谱的方法验证故障的类型是否正确，作为阶次谱方法诊断结果的补充；最终结合阶次谱和包络谱的诊断结果，得到最终的诊断结论，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。
-
公开(公告)号：CN106769052B
公开(公告)日：2018-12-21
申请号：CN201710169963.8
申请日：2017-03-21
Applicant: 桂林电子科技大学
IPC: G01M13/04
Abstract: 本发明为一种基于聚类分析的机械系统滚动轴承智能故障诊断方法，先训练诊断模型：包括采集外圈、内圈、滚动体和保持架故障及正常五种轴承状态标准振动信号样本；信号分解，原始振动信号和分解后分量的时域与频域特征提取，得原始特征集；自权重算法和AP聚类去除冗余得Z个优选特征；再次用AP聚类，完成样本状态分类，得到训练好的诊断模型。故障诊断时采集轴承实时振动信息，信号分解，提取模型确定的优选特征，导入AP按诊断模型参数聚类，与模型中已知的Z个特征比较，得到当前未知信号类别，完成故障诊断。本发明同时使用EEMD与WPT分解振动信号，获取更多精细的轴承状态信息，自权重法和AP聚类增加诊断的智能化，保证精确诊断。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.035 seconds)
