-
公开(公告)号：CN113449630A
公开(公告)日：2021-09-28
申请号：CN202110709423.0
申请日：2021-06-25
Applicant: 北京信息科技大学
IPC: G06K9/00 , G01M13/045
Abstract: 本发明涉及一种改进调制双谱的轴承故障诊断方法、系统及介质，其包括：采用加权自适应白噪声平均总体经验模态分解轴承原始振动信号，得到一系列IMFs；计算每个IMFs的峭度和相关系数；根据前述计算结果得到每个IMFs的加权平均相关‑峭度值，并重构信号；对重构信号进行调制双谱分析，提取故障特征频率。本发明克服了传统双谱的缺点，能有效检测信号中的非线性成分，并能抑制噪声的影响，精确提取滚动轴承的故障特征；本发明可以广泛在机械设备故障诊断技术领域中应用。
-
公开(公告)号：CN111085842A
公开(公告)日：2020-05-01
申请号：CN202010024232.6
申请日：2020-01-10
Applicant: 北京信息科技大学
IPC: B23P19/02
Abstract: 本发明涉及一种轴承智能压装系统及压装控制方法，其包括支撑框架，支撑框架内顶部设置有基座，基座上设置有三套机械臂，每套机械臂都包括第一伺服电机、减速器、主动臂和从动臂；基座上固定设置有第一伺服电机、减速器，第一伺服电机的输出端与减速器连接，减速器输出端与顶部关节内的转轴一端连接，顶部关节内的转轴另一端与主动臂连接，进而将第一伺服电机输出的动力传输至主动臂；主动臂第二端与从动臂第一端连接，从动臂第二端与动平台连接，动平台上部设置有第二伺服电机，动平台底部设置有压装头，压装头由第二伺服电机带动旋转。本发明能有效提高生产效率，实现了柔性生产的需求，提高了系统的稳定性和可靠性。
-
公开(公告)号：CN104809442B
公开(公告)日：2017-11-17
申请号：CN201510219254.7
申请日：2015-05-04
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种东巴象形文字字素智能识别方法，它包括步骤：利用扫描仪从东巴象形文字经典中采集东巴象形文字图像字素，涉及18个属类；将采集到的东巴象形文字字素图像进行中值滤波、固定阈值分割、轮廓边界提取和形态学处理等图像预处理后，得到东巴象形文字字素的轮廓形状，并提取图像中表征单个东巴象形文字字素的几何特征，表征东巴象形文字字素的结构形状特征信息；实现表征单个字素的几何特征的提取，提取的几何特征包含7个Hu不变矩和120个zernike矩，7个Hu不变矩为低阶结构形状特征信息，120个zernike矩为高阶结构形状特征信息；建立东巴象形文字字素识别模型；东巴经典中字素智能识别。本发明可以广泛在文字识别领域中应用。
-
公开(公告)号：CN101799361B
公开(公告)日：2011-08-10
申请号：CN201010101330.1
申请日：2010-01-27
Applicant: 北京信息科技大学
IPC: G01M13/02
Abstract: 本发明涉及一种车辆变速箱故障诊断方法及其检测系统，(1)设置一包括磁电传感器、温度传感器、压力传感器、测压油管、测压阀板、信号调理箱、模数转化模块、数据采集模块和故障诊断模块的检测系统；(2)启动被测车辆，使变速箱空档运行，同时启动检测系统；(3)由数据采集模块将各传感器采集的被测点数据送入故障诊断模块内，进行故障诊断；(4)完成空档检测后，则更换变速箱档位，重复步骤(3)所述过程，直至完成所有档位状态下的信号采集和故障诊断；(5)完成所有档位状态下的信号采集和故障诊断后，输出结果。本发明的信号调理箱内隔离模块采用集成化电路设计，缩小了调理箱体积，减轻了系统重量，提高了检测系统的便携性。本发明可以广泛应用于各种履带车辆湿式离合器变速箱故障诊断中。
-
公开(公告)号：CN101799361A
公开(公告)日：2010-08-11
申请号：CN201010101330.1
申请日：2010-01-27
Applicant: 北京信息科技大学
IPC: G01M13/02
Abstract: 本发明涉及一种车辆变速箱故障诊断方法及其检测系统，(1)设置一包括磁电传感器、温度传感器、压力传感器、测压油管、测压阀板、信号调理箱、模数转化模块、数据采集模块和故障诊断模块的检测系统；(2)启动被测车辆，使变速箱空档运行，同时启动检测系统；(3)由数据采集模块将各传感器采集的被测点数据送入故障诊断模块内，进行故障诊断；(4)完成空档检测后，则更换变速箱档位，重复步骤(3)所述过程，直至完成所有档位状态下的信号采集和故障诊断；(5)完成所有档位状态下的信号采集和故障诊断后，输出结果。本发明的信号调理箱内隔离模块采用集成化电路设计，缩小了调理箱体积，减轻了系统重量，提高了检测系统的便携性。本发明可以广泛应用于各种履带车辆湿式离合器变速箱故障诊断中。
-
Patent Agency Ranking
公开(公告)号：CN119417169A
公开(公告)日：2025-02-11
申请号：CN202411556169.5
申请日：2024-11-04
Applicant: 北京信息科技大学
IPC: G06Q10/0631 , G06Q10/047 , G06N20/00 , G06N5/01 , G06N3/092 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及电子组件车间AGV物流调度领域，公开了一种电子组件车间AGV复合作业模式下的改进PPO调度方法、系统、介质及设备，其包括：利用栅格建模对车间环境地图进行栅格化，通过多个任务订单使AGV在栅格地图进行A*搜索算法，获取批量的样本数据，根据样本预训练策略网络的模型参数，完成预训练；根据新的任务订单，AGV与环境进行交互，获取观测状态、动作空间和奖励值，将观测状态进行矩阵化处理后，作为PPO算法的输入数据，计算PPO算法的策略网络和价值网络损失值，并通过梯度下降法更新网络模型参数，完成PPO训练；在线生成实时任务订单，通过前两个阶段训练好的决策网络模型指导AGV完成路径规划和调度任务。本发明能快速学习获得电子组件车间AGV调度策略，学习效率显著提升并兼具稳定性。
-
公开(公告)号：CN118761003A
公开(公告)日：2024-10-11
申请号：CN202410889689.1
申请日：2024-07-04
Applicant: 北京信息科技大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/213 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06V10/74 , G06F18/10 , G06N3/0895
Abstract: 本发明涉及一种转子系统异常检测数据驱动方法、系统、存储介质及设备，其包括：将燃气轮机时间序列振动信号通过短时傅里叶时频分析处理后得到时频谱图；通过梅尔频率映射将振动信号时频谱图转化为Mel谱图；将Mel谱图作为自动编码器驱动模型的输入，对自动编码器驱动模型进行训练，并利用改进的SSIM损失函数，将完全由正常健康信号组成的训练数据对模型的参数进行优化迭代；通过训练好的驱动模型计算测试数据的原始图像和重构图像之间的SSIM，得到该组测试数据信号的SSIM指标，根据SSIM指标识别出燃气轮机的异常振动。本发明能通过在单一工况零故障样本且仅有正常信号的数据集上的训练，识别其它任何工况的异常行为。
-
公开(公告)号：CN113312973B
公开(公告)日：2023-06-02
申请号：CN202110463695.7
申请日：2021-04-25
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种手势识别关键点特征提取方法及系统，其包括：对输入的RGB三通道图像进行特征提取与区域分割，获得手部的实例分割与掩码；对手部的实例分割与掩码进行目标匹配，标记出关键点；将标记出的关键点进行数据平滑处理，并对骨骼点进行重新标定，从而得到稳定的手势提取特征。本发明能够最大程度摒除环境干扰，精准提取关键点，与传统方法及单一Mask R‑CNN提取相比，在精度与鲁棒性上都明显提高；本发明可以广泛在特征提取技术领域中应用。
-
公开(公告)号：CN115990789A
公开(公告)日：2023-04-21
申请号：CN202211189691.5
申请日：2022-09-28
Applicant: 北京信息科技大学
Inventor： 王红军
IPC: B23Q17/00
Abstract: 本发明涉及监测加工主轴运行参数的系统及方法、系统、加工机床，包括主控模块、感测模块、无线数据传输模块、电量监测模块及电源模块，感测模块、无线数据传输模块及电源模块与主控模块电连接，电量监测模块和主控模块及电源模块电连接；电源模块包括第一供电路径和第二供电路径，第一供电路径包括蓄电池；第二供电路径包括压电式电能采集单元、电能收集单元及储能单元；当储能单元的电压小于预设电压阈值时，第一供电路径为主控模块供电；当储能单元的电压大于等于预设电压阈值时，第二供电路径为主控模块供电，本申请能够将机械能转化为电能为感知系统提供足够的电能，使感知系统能够准确监测主轴工作状态。
-
公开(公告)号：CN115270867A
公开(公告)日：2022-11-01
申请号：CN202210874346.9
申请日：2022-07-22
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种燃气轮机转子系统改进DQN故障诊断方法及系统，其包括：采集实验平台燃气轮机转子的振动数据进行预处理，将振动数据划分为训练集和测试集；构建DQN模型的状态空间与动作空间，状态空间由故障样本构成，动作空间是由故障类型构成；DQN模型环境与智能体交互，环境输出状态智能体，智能体通过ε‑贪婪策略决策出动作到环境，在环境中反馈得到奖励和下一个状态，同时该条经验存储到经验回放池内；智能体中的主网络和目标网络采用WDCNN模型，在学习训练中从经验回放池内随机选取经验到主网络和目标网络中，经学习训练后得到最优Q值与总奖励；将训练集数据输入到训练好的智能体中，将测试集数据输入训练好的WDCNN模型，得到故障诊断结果。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.032 seconds)
