-
公开(公告)号：CN119357916A
公开(公告)日：2025-01-24
申请号：CN202411470381.X
申请日：2024-10-21
Applicant: 西安交通大学
IPC: G06F18/27 , G01D21/02 , G01B11/00 , G06F18/213 , G06F18/214
Abstract: 一种刀具磨损半可观测下的磨损状态在线估计方法，首先基于历史数据建立特征指标训练集和相应的状态指标，接着构建特征指标与状态指标之间的映射模型，并固定模型参数；然后将当前时刻的传感器数据进行相同的特征提取，并应用到已建立的映射模型中；最后，通过状态指标偏差补偿模型，获得更加准确的状态估计值；本发明有效解决了传统方法无法根据个体差异自适应调整状态估计值的问题，实现了多源传感器信号的在线状态更新。
-
公开(公告)号：CN119347540A
公开(公告)日：2025-01-24
申请号：CN202411470378.8
申请日：2024-10-21
Applicant: 西安交通大学
Abstract: 一种自适应阶段划分的刀具剩余寿命预测方法，首先建立刀具剩余寿命预测的状态空间模型，以全面刻画刀具磨损过程；其次通过获取当前刀具及历史刀具的磨损数据，为后续分析提供基础；然后建立自适应阶段划分模型，细分刀具的磨损阶段；最后利用自适应阶段划分模型准确获得当前刀具的阶段切换点，并最终通过粒子滤波算法对刀具的剩余寿命进行预测；本发明能够实时调整预测模型，适应刀具退化的个体差异性，提供更精准的剩余寿命预测结果，具有广泛的工业应用前景。
-
公开(公告)号：CN119335407A
公开(公告)日：2025-01-21
申请号：CN202411461342.3
申请日：2024-10-18
Applicant: 西安交通大学
IPC: G01R31/367 , G01R31/392 , G01R31/385 , G01R31/36 , G06F17/10 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F18/213 , G06N3/084
Abstract: 一种基于随机量化数据增强的电池健康状态智能预测方法，首先通过BMS获取现有电池充电数据，并对数据进行线性插值降采样操作，以统一其长度，进而构建原始训练集和测试集；随后，构建随机量化器，并使用随机量化器对原始训练集数据进行随机量化，生成增强数据，并将得到的增强数据与原始训练集数据相结合，形成增强训练集；接着，将增强前与增强后的数据集分别输入到SOH预测模型，分别计算两者的测试损失平均值并进行比较，若增强后的测试损失小于增强前的损失，则验证基于随机量化数据增强的电池健康状态智能预测方法的有效性；本发明方法能够有效解决电池数据有限情况下的SOH估计问题。
-
公开(公告)号：CN118329186A
公开(公告)日：2024-07-12
申请号：CN202410495514.2
申请日：2024-04-24
Applicant: 西安交通大学
Abstract: 一种动态视觉赋能的非接触式机械微振动特性分析与测量方法，先用事件相机采集设备的动态视觉信号，区域划分获得感兴趣区域的动态视觉信号；再通过时间尺度的池化获得凝聚视觉信号；然后构建时空模块自适应提取模型计算相同空间领域的连通域面积，获取最大连通域面积的外接矩形作为时空模组；再将对应空间领域沿时间维度进行滑窗操作，时空模组与对应区域的动态视觉信号进行相似度计算，记录相似度随时间变化信息；最后统计各空间领域事件数量，构建领域对应的相似度信息的权重，对各空间领域的相似度时域信息进行加权融合，得到模组融合时域信息，进行傅里叶变换得到重构振动估计频谱图；本发明实现了非接触式机械装备智能振动特性分析与测量。
-
公开(公告)号：CN118274947A
公开(公告)日：2024-07-02
申请号：CN202410495511.9
申请日：2024-04-24
Applicant: 西安交通大学
IPC: G01H9/00 , G06F18/2131
Abstract: 一种基于事件相机数据统计的机械微振动视觉测量方法，首先，利用事件相机采集机械设备微小振动的动态事件数据；其次，按照动态事件数据的空间位置分布特性筛选分析的目标数据；再次，在事件维度上整合和池化目标数据，还原亮度变化曲线；最后，利用信号分析方法对亮度变化曲线进行振动特性分析，获得机械设备的微小振动测量结果；本发明解决了工程场景下微小振动的分析问题，实现了非接触式的机械装备微振动测量。
-
Patent Agency Ranking
公开(公告)号：CN118163972A
公开(公告)日：2024-06-11
申请号：CN202410286526.4
申请日：2024-03-13
Applicant: 西安交通大学
IPC: B64U20/80 , B64U20/87 , B64D47/02 , B64U50/30 , B64U10/14 , B64U10/70 , B60F5/02 , G08B17/10 , H04W84/18 , G01C21/00 , G01C21/20 , B64U101/31
Abstract: 一种应用于综合管廊的基于MESH网络的智能巡检无人机，涉及巡检无人机领域，包括：无人机本体；观测设备，用于采集无人机在综合管廊中的多源信息；中心控制器，实现对观测设备的控制；MESH网络通信设备，用于信息的传递；MESH网络中转设备，作为中转节点，使无人机保持和远程的网络连接；无人机在飞行巡检时，通过铺设在管廊内部的MESH节点进行三维坐标定位；采用KNN算法对无人机巡检路线进行优化；采用MESH网络传递信息，单个节点故障不会导致数据传输失败，即本发明具有自组织自恢复的能力。该巡检无人机的定位效果较好，且信息传输稳定，适应性较强。
-
公开(公告)号：CN117131408A
公开(公告)日：2023-11-28
申请号：CN202311119360.9
申请日：2023-08-31
Applicant: 西安交通大学
IPC: G06F18/24 , G06N3/0464 , G06N3/082 , G06F18/213 , G06F18/214
Abstract: 一种基于事件相机与脉冲神经网络的变工况机械故障诊断方法，首先采用事件相机对旋转机械的振动信号进行异步采集，从而获得旋转机械的原始事件流数据；其次通过原始事件流数据构建脉冲数据表征；再次通过脉冲数据表征构建脉冲事件数据集；之后构建卷积形式的脉冲神经网络智能诊断模型，并且将脉冲事件数据集的训练集送入智能诊断模型进行训练，以获得深层的脉冲特征表示；然后压缩其在时间维度上的特征，分别计算各项损失，优化并且更新模型的参数，直至模型收敛；本发明可以从不同的工况下中提取域不变特征，而无需目标域机器故障数据，并且节省了深度智能诊断模型的计算量，提升了深度智能诊断模型在实际工程场景中的适用性。
-
公开(公告)号：CN116894340A
公开(公告)日：2023-10-17
申请号：CN202310875028.9
申请日：2023-07-17
Applicant: 西安交通大学
IPC: G06F30/20 , G06F18/15 , G06F18/2135 , G06F119/04
Abstract: 一种基于无参化建模的缺失数据修复与寿命预测方法，包括装备退化过程无参化模型构建、历史失效样本缺失数据修复与在线服役样本剩余寿命预测；首先针对碎片化数据，进行两次坐标轴转换，采用函数主成分分析(FPCA)无参化建模方式，基于转换后数据建立了关于健康状态的剩余寿命预测模型；然后利用极大似然估计算法对历史失效样本的缺失数据进行修复；最后利用梯度下降迭代寻优算法对在线服役样本的剩余寿命进行预测；本发明实现了数据缺失情况下装备历史失效样本缺失数据修复与在线服役样本剩余寿命预测，克服了传统方法依赖退化时间、建模自适应能力较差等问题。
-
公开(公告)号：CN115410801A
公开(公告)日：2022-11-29
申请号：CN202211247882.2
申请日：2022-10-12
Applicant: 国网陕西省电力有限公司电力科学研究院 , 西安交通大学 , 国网(西安)环保技术中心有限公司
Abstract: 一种变压器冷却系统，包括由变压器油箱、第一集油管、第二集油管与散热片构成的一个闭合循环回路；本发明的散热片由两片散热板封装而成，两片散热板之间构成一个空腔，且在两散热板上对称设置有若干个凸台。该变压器冷却系统的绝缘油流动阻力更小，变压器内部绝缘油循环流路的流量将有所增加，散热片内部的绝缘油流量增加，从而使得散热片内部的绝缘油流速有所上升，进而提高绝缘油侧对流换热系数，由于散热片空气侧换热系数基本维持不变，因此，整个散热片的综合换热系数会有所提高，进而提高主变压器冷却系统的散热量，达到降低主变压器内部热点温度，保证主变压器安全稳定运行的目的。
-
公开(公告)号：CN114970620A
公开(公告)日：2022-08-30
申请号：CN202210548792.0
申请日：2022-05-20
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
Abstract: 一种跨设备的滚动轴承故障靶向迁移诊断方法，首先获取利用残差连接的参数共享特征提取模块提取源滚动轴承和目标滚动轴承监测样本中的深层次故障特征；然后构建锚点聚类模块，获取目标域待诊断样本与锚点样本在特征空间中的分布与聚集关系；再构建特征靶向适配模块，使得样本在适配过程中沿设定路径进行适配；最后结合源样本分类损失、目标样本聚类损失和源‑目标样本特征的联合分布差异构建目标函数训练靶向迁移诊断模型；训练所得到的靶向迁移诊断模型能够有效克服实际情况下源域、目标域轴承数据分布差显著的不利影响，实现了上述条件下跨设备的滚动轴承靶向迁移诊断，显著提高了迁移诊断模型的诊断精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.038 seconds)
