一种基于后缀树的故障检测方法、系统、装置及存储介质

    公开(公告)号:CN113609933A

    公开(公告)日:2021-11-05

    申请号:CN202110823447.9

    申请日:2021-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于后缀树的故障检测方法、系统、装置及存储介质,方法包括:获取第一故障信号,并通过后缀树算法对第一故障信号进行分解,得到故障重复波形和重复时间序列;根据故障重复波形和重复时间序列确定第一故障信号的第一时频特征图,并根据第一时频特征图构建训练图片集;将训练图片集输入到预先构建的卷积神经网络中进行训练,得到训练好的故障识别模型;获取待检测的第二故障信号,并通过后缀树算法确定第二故障信号的第二时频特征图,进而将第二时频特征图输入到故障识别模型,输出得到故障类型识别结果。本发明提高了训练样本的准确性和可靠性,进而提高了故障识别模型的精度和故障检测的准确度,可广泛应用于故障检测技术领域。

    基于长短期记忆网络的故障检测方法、系统、装置及介质

    公开(公告)号:CN113609932A

    公开(公告)日:2021-11-05

    申请号:CN202110823376.2

    申请日:2021-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于长短期记忆网络的故障检测方法、系统、装置及介质,方法包括:获取第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图,根据第一时频特征图构建训练样本集;构建长短期记忆网络;将训练样本集输入到长短期记忆网络中进行训练,利用反向传播算法对长短期记忆网络的参数进行优化,得到训练好的故障识别模型,根据故障识别模型确定待检测的第二振动信号的故障类型识别结果。本发明通过长短期记忆网络可以提取出微量故障信号所隐含的特征信息,提高了故障识别的准确度,可广泛应用于故障检测技术领域。

    设备故障识别模型训练、识别方法、系统、装置及介质

    公开(公告)号:CN113592071A

    公开(公告)日:2021-11-02

    申请号:CN202110823380.9

    申请日:2021-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种设备故障识别模型训练方法、识别方法、系统、装置及介质,训练方法包括:获取故障振动信号数据集,故障振动信号数据集包括多个故障振动信号和故障振动信号的故障类型;确定设备的固有转动周期,并确定故障振动信号的第一振动周期,进而根据固有转动周期和第一振动周期确定故障振动信号的第一特征子图;根据第一特征子图和故障类型确定训练数据集,并将训练数据集输入到预先构建的胶囊神经网络中进行训练,得到训练好的设备故障识别模型。本发明可以最大程度的保留原始故障振动信号中各个特征的空间位置关系,从而可以将空间位置关系作为故障类型的判定条件,进而提高了设备故障识别模型的准确度,可广泛应用于故障检测技术领域。

    一种故障检测方法、装置和存储介质

    公开(公告)号:CN113155422A

    公开(公告)日:2021-07-23

    申请号:CN202110339376.5

    申请日:2021-03-30

    Applicant: 广州大学

    Abstract: 本发明公开了一种故障检测方法、装置和存储介质,方法包括:获取第一振动信号;根据第一振动信号以及预设门限,确定本征模态函数分量集合;根据本征模态函数分量集合,确定特征向量;特征向量表征本征模态函数分量集合的总能量;根据特征向量与分类决策函数,确定故障检测结果;本发明通过获取第一振动信号,根据第一振动信号以及预设门限,确定本征模态函数分量集合,然后根据本征模态函数分量集合,确定表征本征模态函数分量集合的总能量的特征向量,通过对第一振动信号进行分解并进行平稳化处理,再将处理结果即特征向量结合分类决策函数,从而确定故障检测结果,能够有效提高故障检测的准确率,本发明作为可广泛应用于故障检测技术领域。

    一种机器人的控制信号确定方法、装置及存储介质

    公开(公告)号:CN113134834A

    公开(公告)日:2021-07-20

    申请号:CN202110347399.0

    申请日:2021-03-31

    Applicant: 广州大学

    Abstract: 本发明公开了一种机器人的控制信号确定方法、装置及存储介质,本发明通过获取机器人的第一状态,将第一状态输入评价网络,得到第一输出结果,将第一输出结果输入动作网络,得到第二输出结果,使得第一网络参数所确定的第一输出结果能够基于期望状态确定一个有效的评分,使得基于评分得到的第二输出结果为能够对机器人进行快速有效控制的输出结果;而根据第二输出结果与信号输出阈值,确定控制信号,能够使得最终确定的控制信号在用于对机器人进行控制时,机器人能够在最大限度上作出最佳的动作,以最快的速度到达目的位置。本发明可广泛应用于机器人技术领域。

    一种食物干酥铺晒装置
    46.
    发明授权

    公开(公告)号:CN114812155B

    公开(公告)日:2023-10-03

    申请号:CN202210397726.8

    申请日:2022-04-15

    Applicant: 广州大学

    Abstract: 本发明提供了一种食物干酥铺晒装置,包括:装置本体、搅拌机构、出料机构、干酥切离机构、铺膜机构、铺晒检测机构以及控制系统;所述出料机构和所述铺晒检测机构均设置在所述装置本体上并且与所述控制系统电连接,所述搅拌机构、所述干酥切离机构以及所述铺膜机构均设置在所述出料机构上并且与所述控制系统电连接。本发明可对具有高粘稠性的食物和配料在铺晒前进行充分的搅拌,并且有效防止大量气体渗在食物内,且能根据装置的移动速度控制铺晒量,提高铺晒的效果,利用检测机构能够铺晒酥料的温度、湿度以及脆性,提高了酥料的满料率,确保酥料不会鼓起。

    基于后缀树和向量机的故障检测方法、系统、装置及介质

    公开(公告)号:CN113670608B

    公开(公告)日:2022-09-16

    申请号:CN202110823379.6

    申请日:2021-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于后缀树和向量机的故障检测方法、系统、装置及介质,方法包括:获取第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图,并根据第一时频特征图构建训练样本集;构建支持向量机分类器;将训练样本集输入到支持向量机分类器中进行训练,对支持向量机分类器的参数进行优化,得到最优参数组合;根据最优参数组合确定分类决策函数,根据分类决策函数确定待检测的第二振动信号的故障类型。本发明提高了训练样本的准确性和可靠性,进而提高了分类器的精度和故障检测的准确度,可广泛应用于故障检测技术领域。

    基于长短期记忆网络的故障检测方法、系统、装置及介质

    公开(公告)号:CN113609932B

    公开(公告)日:2022-09-16

    申请号:CN202110823376.2

    申请日:2021-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于长短期记忆网络的故障检测方法、系统、装置及介质,方法包括:获取第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图,根据第一时频特征图构建训练样本集;构建长短期记忆网络;将训练样本集输入到长短期记忆网络中进行训练,利用反向传播算法对长短期记忆网络的参数进行优化,得到训练好的故障识别模型,根据故障识别模型确定待检测的第二振动信号的故障类型识别结果。本发明通过长短期记忆网络可以提取出微量故障信号所隐含的特征信息,提高了故障识别的准确度,可广泛应用于故障检测技术领域。

    一种铺晒装置
    50.
    发明公开

    公开(公告)号:CN114909872A

    公开(公告)日:2022-08-16

    申请号:CN202210397498.4

    申请日:2022-04-15

    Applicant: 广州大学

    Abstract: 本发明提供了一种铺晒装置,包括:装置本体、搅拌机构、出料机构、铺晒检测机构以及控制系统;所述出料机构和所述铺晒检测机构均设置在所述装置本体上并且与所述控制系统电连接,所述搅拌机构设置在所述出料机构上并且与所述控制系统电连接。本发明可对具有高粘稠性的食物和配料在铺晒前进行充分的搅拌,并且有效防止大量气体渗在食物内,且能根据装置的移动速度控制铺晒量,提高铺晒的效果,利用检测机构能够铺晒酥料的温度、湿度以及脆性,提高了酥料的满料率,确保酥料不会鼓起。

Patent Agency Ranking