-
公开(公告)号：CN105975597B
公开(公告)日：2019-03-22
申请号：CN201610304528.7
申请日：2016-05-10
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种东巴经典古籍传承体系数字化国际共享平台，其包括收藏机构、东巴经典古籍象形文释读库、世界记忆工程数据库、管理平台模块和信息传播模块；收藏机构将收藏到的各种东巴经典古籍信息传输至东巴经典古籍象形文释读库，东巴经典古籍象形文释读库与世界记忆工程数据库进行信息交互；东巴经典古籍象形文释读库由管理平台模块进行登录与身份管理、使用权限管理、存储管理、安全管理、查询管理；东巴经典古籍象形文释读库将处理后的东巴象形文字经信息传播模块传输至外界。本发明能使更多人群看到和使用世界各地收藏的东巴经典，能够为世界范围系统研究东巴经典提供资源及条件。同时，有利于东巴经典古籍的抢救、保护与传承。
-
公开(公告)号：CN104634566B
公开(公告)日：2018-05-11
申请号：CN201510029960.5
申请日：2015-01-21
Applicant: 北京信息科技大学
IPC: G01M13/02
Abstract: 本发明涉及一种风机传动系统故障特征提取方法，其步骤：获取现场风机传动系统的实测数据，通源；根据近似信号源构造信号矩阵，并压缩该信号矩阵获取新的信号特征矩阵；将新的信号特征矩阵放大并方阵化，构造特征向量；对近似信号源进行小波包分解，获得分解系数并构造系数向量；根据特征向量和系数向量计算各向量元素的方差；根据方差计算得到故障角的正切值，对风机传动系统故障特征进行评估与预测过设置在风电机组旋转部件上的多个传感器采集到多个通道的振动信号；根据独立成分分析方法对振动信号进行盲源分离，得到原始独立振动信号源的近似信号。本发明解决了故障趋势预测随机不确定性、非线性问题，能广泛在旋转机械故障趋势预测中应用。
-
公开(公告)号：CN107784638A
公开(公告)日：2018-03-09
申请号：CN201711031437.1
申请日：2017-10-27
Applicant: 北京信息科技大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10004 , G06T2207/20024
Abstract: 本发明涉及一种优化的东巴古籍图像增强方法，其步骤：对原始东巴古籍图像作图像类型的转换，将RGB图像转换为灰度图像；对灰度图像进行小波分解，选取小波分解后的db4小波基将图像进行二层分解，得到对应的小波低频系数和高频系数；对小波二层分解后得到的高频系数采用改进的阈值滤波算法处理，实现对小波分解后的高频系数的去噪处理；对小波二级分解后得到的低频系数进行模糊集增强处理，得到增强的低频子带系数；对处理后的低频系数和高频系数利用现有技术中的小波反变换进行重构，完成对东巴古籍图像的增强。本发明能在增强图像细节的同时抑制噪声，并能有效提高图像对比度。
-
公开(公告)号：CN107621367A
公开(公告)日：2018-01-23
申请号：CN201710718344.X
申请日：2017-08-21
Applicant: 北京信息科技大学
IPC: G01M13/04
Abstract: 本发明涉及一种基于对角切片谱和灰色关联度的滚动轴承损伤程度评估方法，其步骤：利用已有转子实验台模拟设备运行状态，采集转子实验台的振动信号；对所有振动信号进行三阶累积量对角切片谱操作，获得正常信号和不同故障程度下的频谱图；对三阶累积量对角切片数据做灰色关联度分析，获得轴承前期故障信号的损伤直径-灰色关联度曲线图；采集实际设备的未知故障振动信号，对振动信号进行前述步骤处理，制作出对应的对角切片谱，得到轴承故障频率，判断故障位置；计算实际设备未知故障的振动信号无量纲指标与正常信号灰色关联度值，将其描绘在轴承损伤直径和关联度拟合曲线图中，根据关联度在曲线上的位置，判断轴承损伤直径的大小。
-
公开(公告)号：CN105975597A
公开(公告)日：2016-09-28
申请号：CN201610304528.7
申请日：2016-05-10
Applicant: 北京信息科技大学
IPC: G06F17/30
CPC classification number: G06F17/30 , G06F17/30796 , G06F17/30705 , G06F17/30743
Abstract: 本发明涉及一种东巴经典古籍传承体系数字化国际共享平台，其包括收藏机构、东巴经典古籍象形文释读库、世界记忆工程数据库、管理平台模块和信息传播模块；收藏机构将收藏到的各种东巴经典古籍信息传输至东巴经典古籍象形文释读库，东巴经典古籍象形文释读库与世界记忆工程数据库进行信息交互；东巴经典古籍象形文释读库由管理平台模块进行登录与身份管理、使用权限管理、存储管理、安全管理、查询管理；东巴经典古籍象形文释读库将处理后的东巴象形文字经信息传播模块传输至外界。本发明能使更多人群看到和使用世界各地收藏的东巴经典，能够为世界范围系统研究东巴经典提供资源及条件。同时，有利于东巴经典古籍的抢救、保护与传承。
-
Patent Agency Ranking
公开(公告)号：CN105424365A
公开(公告)日：2016-03-23
申请号：CN201510816449.X
申请日：2015-11-23
Applicant: 北京信息科技大学
CPC classification number: G01M13/045 , G01M7/02
Abstract: 本发明涉及一种滚动轴承故障迁移轨迹可视化的方法，其步骤：获取滚动轴承内圈时序振动信号、外圈时序振动信号和滚动体时序振动信号；对滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号进行特征量提取，分别得到变异系数、偏度和峭度指标；获取不同时刻的状态矩阵；获取滚动轴承迁移矩阵；将各迁移矩阵第一列元素分别映射到空间坐标系后得到一个坐标点，第二列元素、第三列元素分别作映射到空间坐标系，得到第二列元素对应的坐标点以及第三列元素对应的坐标点；将第一列至第三列对应的坐标点均采用最小二乘法进行曲线拟合，形成滚动轴承内圈、外圈和滚动体的故障迁移曲线。本发明计算简单、计算量小，可以广泛在机械故障诊断领域中应用。
-
公开(公告)号：CN104634566A
公开(公告)日：2015-05-20
申请号：CN201510029960.5
申请日：2015-01-21
Applicant: 北京信息科技大学
IPC: G01M13/02
Abstract: 本发明涉及一种风机传动系统故障特征提取方法，其步骤：获取现场风机传动系统的实测数据，通源；根据近似信号源构造信号矩阵，并压缩该信号矩阵获取新的信号特征矩阵；将新的信号特征矩阵放大并方阵化，构造特征向量；对近似信号源进行小波包分解，获得分解系数并构造系数向量；根据特征向量和系数向量计算各向量元素的方差；根据方差计算得到故障角的正切值，对风机传动系统故障特征进行评估与预测过设置在风电机组旋转部件上的多个传感器采集到多个通道的振动信号；根据独立成分分析方法对振动信号进行盲源分离，得到原始独立振动信号源的近似信号。本发明解决了故障趋势预测随机不确定性、非线性问题，能广泛在旋转机械故障趋势预测中应用。
-
公开(公告)号：CN104156591A
公开(公告)日：2014-11-19
申请号：CN201410384078.8
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G06F19/00
Abstract: 本发明涉及一种马尔可夫故障趋势预测方法，其步骤：(1)用转子实验台模拟旋转机械设备正常运行状态，采集正常运行状态下振动信号；(2)用转子实验台模拟旋转机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集三种故障下振动信号；(3)计算所有振动信号中每组振动信号的1.5维谱；(4)计算振动信号的1.5维谱频带能量均值；(5)获得频带能量区间，并标记状态序列和状态空间；(6)采集实际旋转机械设备的振动信号，进行步骤(3)～(4)得到各组振动信号的1.5维谱频带能量均值，并获得实际旋转机械设备的状态序列；(7)利用马尔可夫链对实际旋转机械设备的状态进行趋势预测。本发明能广泛在旋转机械故障趋势预测中应用。
-
公开(公告)号：CN102736562A
公开(公告)日：2012-10-17
申请号：CN201210240271.5
申请日：2012-07-10
Applicant: 北京信息科技大学
IPC: G05B19/406
Abstract: 本发明涉及一种面向数控机床故障诊断与故障预报的知识库构建方法，其步骤如下：步骤一、通过远程监测设备对高档车削加工中心实时在线监测，获得代表不同故障类型的多组振动数据Xj(t)，j为采集到的振动数据组数，n为正整数；步骤二、对实时在线监测的多组振动数据Xj(t)依次进行时态粗糙小波包分析处理，得到能量特征向量T′作为条件属性，以故障类型为决策属性，构建故障知识原始决策表；步骤三、对故障知识原始决策表进行基于差别矩阵的故障特征属性约简，生成规则，构成知识库；步骤四、采用规则的可信度作为评价指标对最终规则进行度量和评价。本发明能为故障诊断和故障预报提供有效的保障，本发明可以广泛应用于高档车削加工中心。
-
公开(公告)号：CN102661783A
公开(公告)日：2012-09-12
申请号：CN201210123651.0
申请日：2012-04-24
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种旋转机械故障趋势预测的特征提取方法，其步骤为：(1)利用远程在线监测诊断中心进行工业现场数据采集，通过布置在旋转机械设备上的多个传感器采集多个通道的振动信号xj(t)；(2)根据FastICA算法对振动信号xj(t)进行盲源分离，得到原始独立振动源sj(t)的近似信号源yj(t)；(3)对近似信号源yj(t)的向量信号Y进行时频域基于小波包的特征频带分解，提取故障敏感特征频带。本发明由于采用独立成分分析(ICA)处理可以识别出混叠成采集信号的原始的独立信号源，对独立信号源进行基于小波包的特征频带获取，可以判断某个源信号是否在向故障的方向发展，达到提前预防故障的目的。本发明可以广泛在旋转机械故障趋势预测中应用。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.028 seconds)
